Vous êtes sur la page 1sur 170

AVERTISSEMENT

Ce document est le fruit d'un long travail approuvé par le jury de


soutenance et mis à disposition de l'ensemble de la
communauté universitaire élargie.

Il est soumis à la propriété intellectuelle de l'auteur. Ceci


implique une obligation de citation et de référencement lors de
l’utilisation de ce document.

D'autre part, toute contrefaçon, plagiat, reproduction illicite


encourt une poursuite pénale.

Contact : ddoc-theses-contact@univ-lorraine.fr

LIENS

Code de la Propriété Intellectuelle. articles L 122. 4


Code de la Propriété Intellectuelle. articles L 335.2- L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
J36o36 9 \3 o . 1..0 l( T U PL oSa 1\J

École Nationale Supérieure de Géologie


Institut National
École doctorale RP2E
Polytechnique de Lorraine

EXTRACTION AUTOMATIQUE
D'INFORMATION
, GÉOLOGIQUE
A PARTIR D'IMAGES SISMIQUES
TRIDIMENSIONNELLES

' Semee Commun de la Documentation


THE SE INPL
Nancy-BrabOi~

présentée et soutenue publiquement le 29 octobre 2004

pour l'obtention du

Doctorat de l'Institut National Polytechnique de Lorraine


Spécialité Géosciences

par

Emmanuel LABRUNYE

Composition du jury

Président: Albert TARANTOLA


Rapporteurs : Frédérique FOURNIER
Pierre THORE

Examinateurs : Etienne ROBEIN


Fabio ROCCA

Directeur: Jean-Laurent MALLET

Centre de Recherches Pétrographiques et Géochimiques


Laboratoire d'Infographie et d'Analyse de Données
Rue du Doyen Marcel Roubault - 54500 Vandœuvre
Mis en page avec la classe thloria.
Remerciements
Merci tout d'abord à Jean-Laurent Mallet, pour avoir dirigé cette thèse et m'avoir fait
tomber dans la marmite de la géomodélisation.

Merci à Frédérique Fournier, de l'Institut Français du Pétrole, et à Pierre Thore, de


la compagnie Total, qui ont accepté d'être rapporteurs de ce mémoire, ainsi qu'à Etienne
Robein, de la compagnie Total, Fabio Rocca, professeur au Politecnico di Milano, et Al-
bert Tarantola, professeur à l'Institut de Physique du Globe de Paris. Je suis très honoré
de leur présence dans mon jury.

Merci également à Fabien Bosquet, de la compagnie Earth Decision Sciences, dont


les conseils avisés et les coups de main précieux ont transformé mon travail, et à Chris-
tophe Basire, de la compagnie Statoil, pour l'intérêt qu'il a porté à ces recherches et pour
les discussions qu'il a suscité.

Merci aussi à tous ceux qui m'ont aidé, de près ou de loin, pendant cette thèse;
notamment Christian Le Carlier, relecteur - et blagueur - infatigable, Monique Cu-
gurno, toujours disponible et souriante, et les doctorants, forces vives du laboratoire, qui
m'ont accompagné durant ces trois années. Je leur souhaite une bonne continuation.

Merci enfin à Christine, mon épouse, pour ses conseils es ponctuation, orthographe
& grammaire, et son soutien dans les moments difficiles.
11
À Christine,
À mes parents et mes grand-parents.

iii
lV
v
vi
Table des matières

Introduction 1

Chapitre 1 L'image sismique, source d'information géologique 5


1.1 De l'acquisition à l'interprétation . . . . . . . . . . 5
1.1.1 Théorie de propagation des ondes sismiques 5
1.1.2 Acquisition et signal sismique .. 7
1.1.3 Construction de l'image sismique 10
1.2 L'interprétation sismique . . . . . . . . . 10
1.2.1 Interprétation structurale et stratigraphique 10
1.2.2 Interprétation lithologique . . . . . . . . 12
1.2.3 Intérêts de l'interprétation automatique . 13
1.3 Les outils d'analyse de l'image sismique . 14
1.3.1 L'analyse de Fourier . . . . . . . 14
1.3.2 Les polynômes trigonométriques . 17
1.3.3 Les outils d'analyse d'image 25
1.4 Conclusion . . . . . . . . . . . . 27

Chapitre 2 Les attributs sismiques,


mise en évidence des caractéristiques du signal sismique 29
2.1 Introduction aux attributs sismiques 29
2.1.1 Définitions . 29
2.1.2 Historique . 30
2.1.3 Classification des attributs 30
2.2 Les attributs instantanés . . . . . 32

Vll
Table des matières

2.2.1 Notion de trace complexe 32


2.2.2 Calcul de la transformée de Hilbert 33
2.2.3 Calcul des dérivées . . . . . . . . . 35
2.2.4 Les principaux attributs instantanés et leur application
à l'interprétation sismique 36
2.2.5 Les attributs de réponse . 43
2.2.6 Comparaison des différentes méthodes de calcul 45
2.2.7 Commentaire sur l'utilisation des attributs instantanés 46
2.3 Les attributs géométriques . . . 47
2.3.1 Les attributs de pendage 47
2.3.2 Les attributs de courbure 58
2.3.3 Les attributs de similarité 67
2.3.4 Optimisation des calculs . 76
2.3.5 Commentaire sur l'utilisation des attributs géométriques 76
2.4 Filtrage des signaux sismique . . . . . . . 76
2.4.1 Décomposition spectrale du signal . 77
2.4.2 Amélioration de la continuité des horizons 77
2.5 Visualisation des attributs . . . . . . . . . . . . . 81
2.5.1 Importance du choix des échelles de couleurs 81
2.5.2 Utilisation simultanée de plusieurs attributs 83
2.5.3 Les techniques d'illumination 83
2.6 Conclusion . . . . . . . . . . . . . . . 86

Chapitre 3 Des attributs à l'information géologique : les faciès sismiques 89


3.1 Introduction aux faciès sismiques . . . . . . . . . . 89
3.1.1 Les méthodes de reconnaissance des formes . 90
3.1.2 Analyses supervisées et non supervisées . 91
3.1.3 Difficultés . . . . . . . . . . . . . . . . . 91
3.2 Analyse non supervisée basée sur les nuées dynamiques 93
3.2.1 Présentation de la méthode d'analyse . . . . . . 93

Vlll
3.2.2 Comparaison de la méthode avec les cartes de Kohonen . 98
3.2.3 Amélioration de l'interface de travail . . . . . . . . .. 100
3.3 Calculs de méta-attributs au moyen des cartes d'interpolation 100
3.3.1 Notion de méta-attribut . . . . . . 100
3.3.2 Principe des cartes d'interpolation . 101
3.3.3 Application à la détection de failles 106
3.3.4 Discussion 108
3.4 Conclusion . . . . 108

Chapitre 4 Des attributs au modèle structural :


le pointé des surfaces géologiques 111
4.1 Pointé automatique des horizons sismiques 111
4.1.1 Introduction aux méthodes de pointé des horizons 112
4.1.2 Pointé basé sur les polynômes trigonométriques 116
4.1.3 Pointé multi-attributs par recherche de motifs 120
4.1.4 Outils d'édition des horizons . 124
4.2 Pointé automatique des failles . . . . 128
4.2.1 Difficultés du pointé automatique des failles 130
4.2.2 Pointé automatique global à partir d'un attribut filtré . 130
4.2.3 Pointé semi-automatique à partir de graines . . . 131
4.2.4 Commentaires sur le pointé automatique de failles 133
4.3 Conclusion . 135

Conclusion 139

Bibliographie 143

lX
Table des matières

x
Table des figures

1.1 Mouvement des particules d'un milieu élastique soumis à une onde sismique 6
1.2 Réflexion et réfraction d'une onde sismique . . . . . . . . . . . . . . 7
1.3 Principe de l'acquisition sismique réflexion et réfraction . . . . . . . 8
1.4 Relation entre signal sismique, ondelette, et coefficients de réflexion 9
1.5 Construction du cube sismique . . . . . . . . . . 11
1.6 Relations géométriques des réflecteurs sismiques 12
1. 7 Exemple de bright spots . . . . . . . . . . . . . 13
1.8 Domaines temps et fréquence d'un signal sismique 17
1.9 Corrélation de deux signaux sismiques 23
1.10 Interpolation d'un signal sismique par un polynôme trigonométrique 24
1.11 Interpolation de Shannon et polynômes trigonométriques 25
1.12 Recherche d'un motif sur une image sismique. 27

2.1 Classification simplifiée des attributs . . . . . 31


2.2 Représentation graphique de la notion de trace complexe 34
2.3 Amplitude, phase et fréquence instantanée d'un signal sismique 38
2.4 Attributs instantanés sur une section sismique verticale . . . 39
2.5 Étude de la fréquence instantanée . . . . . . . . . . . . . . . 40
2.6 Détection d'un chenal au moyen de la fréquence instantanée 42
2.7 Utilisation de la fréquence instantanée 42
2.8 Phase et fréquence de réponse . . . . . 44
2.9 Polarité apparente 44
2.10 Attributs de réponse sur des sections sismiques verticales 45
2.11 Fenêtre de calcul des attributs géométriques . . . . . . . 48
2.12 Calcul du pendage et aliasing . . . . . . . . . . . . . . . 49
2.13 Calcul du pendage et de l'azimut des réflecteurs sismiques au moyen de la
semblance et des attributs instantanés . . . . . . . . . . . . . . . . . . . . 51
2.14 Calcul du pendage et de l'azimut des réflecteurs sismiques au moyen des
polynômes trigonométriques . . . . . . . . . . . . . . . . . . . . . . . . . . 53

Xl
Table des figures

2.15 Relations angulaires caractérisant l'orientation d'un plan . . . . . . . . . . 54


2.16 Exemple de pendage et d'azimut sur des données sismiques 3D . . . . . . . 56
2.17 Influence de la pondération par les coefficients de corrélation lors du calcul
du pendage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.18 Influence de l'amplitude lors du calcul du pendage . . . . . . . . . . . . . . 57
2.19 Attributs de pendage sur une coupe temps d'un cube sismique . . . . . . . 59
2.20 Comparaison de l'attribut de pendage avec les résultats du logiciel GeoProbe 60
2.21 Variance du pendage et détection des failles . . . . . . . . . . . . . . 60
2.22 Variation du pendage d'un horizon sismique au voisinage d'une faille . 61
2.23 Définition et calcul de la courbure . . . . . . . . . . . . . . . . . . . . 62
2.24 Attributs de courbures sur une section horizontale d'un cube sismique 65
2.25 Détection des failles au moyen de la courbure 66
2.26 Fenêtre de calcul de la semblance . . . . . . . 72
2.27 Comparaison des différentes options de calcul de la semblance 72
2.28 Influence du choix de la fenêtre sur le calcul de la semblance . 73
2.29 Exemple d'utilisation de la semblance . . . . . . . . . . . . . . 74
2.30 Comparaison entre la semblance et d'autres attributs de similarité 75
2.31 Principe de la sommation . . . . . . . . . . . . . . . . . . . 78
2.32 Lissage des horizons sismiques . . . . . . . . . . . . . . . . . 79
2.33 Comparaison des différents options de lissage de la sismique 80
2.34 Exemple d'utilisation du lissage de la sismique 82
2.35 Échelles de couleurs pour attributs . . . . 84
2.36 Principe de l'attribut de relief . . . . . . . 85
2.37 Attribut de relief sur une section sismique 86

3.1 Espace des observations et espace des attributs 92


3.2 Analyse non supervisée basée sur les nuées dynamiques 95
3.3 Principe de l'A.C.P. . . . . . . . . 96
3.4 Principe des nuées dynamiques 98
3.5 Structure d'une carte de Kohonen gg
3.6 Principe des cartes d'interpolations 102
3.7 Détection de failles au moyen des cartes d'interpolations 107

4.1 Méthodes de pointé automatique . . 115


4.2 Décentrage de la fenêtre d'extraction 118
4.3 Choix des procédures de corrélation . 119
4.4 Exemple de procédure d'extraction . 121
4.5 Points remarquables d'un signal sismique 122

Xll
4.6 Application du filtre de lissage pour l'extraction d'horizons 122
4. 7 Comparaison des méthodes d'extraction d'horizons . . . 123
4.8 Contrôle du résultat d'un pointé automatique d'horizon . 125
4.9 Principe des opérateurs de morphologie mathématique . 127
4.10 Opérateurs de morphologie mathématique appliqués à un horizon extrait
de la sismique . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.11 Gomme pour l'édition d'horizon pointés automatiquement 129
4.12 Pointé automatique de failles (1) 132
4.13 Pointé automatique de failles (2) 134

xiii
Table des figures

XlV
Liste des tableaux

2.1 Comparaison des méthodes de calcul des principaux attributs instantanés 46


2.2 Résumé des attributs étudiés. . . . . . . . . . . . . . . . . . . 88

4.1 Comparaison des méthodes de pointé automatique d'horizons. 136


4.2 Comparaison des méthodes de pointé automatique de failles . 137

xv
Liste des tableaux

XVI
Introduction

'exploration du sous-sol peut se faire de deux manières différentes. Effectuer un forage


L pour étudier la matière in situ est une première solution. Cette méthode permet
d'obtenir des informations très précises, mais très locales, et pour un coût très élevé. Une
autre possibilité consiste à mesurer en surface une propriété physique des roches et des
fluides qu'elles contiennent. Cette science, la géophysique, regroupe un certain nombre
de méthodes définies par la propriété qu'elles mesurent : gravimétrie, géomagnétisme,
sismologie, sismique, etc. Elles permettent de sonder relativement facilement et en continu
de grands volumes de roches pour un coût raisonnable.
En exploration pétrolière, la sismique a pris très tôt une importance particulière. De-
puis les années 1920, elle constitue en effet l'outil principal de recherche d'hydrocarbures.
Cette technique consiste à envoyer des ondes artificielles sous terre et à les mesurer après
réflexion sur les couches géologiques. Au moyen d'un certain nombre de traitements, ces
ondes permettent d'obtenir de véritables images bi ou tridimensionnelles des structures
de la subsurface. Cependant, la présence fréquente de bruits, la faible résolution verticale,
et les artefacts d'acquisition rendent longue et difficile l'interprétation géologique de ces
images. Aujourd'hui, ce travail est réalisé sur des stations informatiques, au moyen de lo-
giciels spécialisés. L'information géologique qui en est extraite constitue la première étape
de la chaîne de géomodélisation.
La géomodélisation regroupe l'ensemble des méthodes qui permettent de décrire le
sous-sol à partir des informations disponibles. Le projet gOcad, dans lequel s'inscrivent
les recherches présentées dans ce mémoire, a pour objectif de développer une plate-forme
informatique unique intégrant toutes les étapes nécessaires à cette tâche :
1. traitement des données d'acquisition;
2. intégration des données dans un modèle surfacique constitué d'interfaces géologiques,
comme les limites stratigraphiques, les failles;
3. discrétisation en grilles de 1' espace défini ;
4. calculs de propriétés physiques sur ces grilles;
5. simulation d'écoulements, rétro-déformation, calculs de compaction, etc.
Financé par un consortium de compagnies pétrolières, ce projet est plus particulièrement
orienté vers la représentation tridimensionnelle et la caractérisation des réservoirs d'hy-
drocarbures.
Jusqu'à présent, cependant, dans le géomodeleur gOcad, il n'existait peu ou pas de
moyens automatisés permettant de passer des données d'acquisitions sismiques aux consti-

1
Introduction

tuants du modèle surfacique et au calcul des propriétés du réservoir. L'interprétation sis-


mique était donc effectuée préalablement sur un autre logiciel, et le résultat transféré
dans le géomodeleur. Or, ce transfert occasionnait une perte de temps et d'informations.
L'objectif de ce travail a donc été de rechercher des algorithmes permettant d'effectuer
automatiquement, ou semi-automatiquement, et directement au sein du géomodeleur gO-
cad, l'interprétation des données sismiques. Il fallait également que les données extraites
par ces algorithmes puissent être directement intégrées dans la chaîne de modélisation du
réservoir pétrolier.
Cette condition nous a donc conduit à axer nos recherches sur les images sismiques
tridimensionnelles. D'une part, le logiciel gOcad est spécialisé dans l'étude en 3D du sous-
sol et nous pouvions bénéficier d'outils de manipulations et de visualisation appropriés.
D'autre part, par rapport aux études basées sur des sections sismiques 2D, la sismique
3D apporte un avantage considérable pour la compréhension du sous-sol, puisqu'elle re-
présente celui-ci dans ses véritables dimensions. Cependant la 3D représente souvent une
difficulté supplémentaire, car le volume d'information à traiter est beaucoup plus im-
portant et les calculs plus lourds. Pour le géologue, elle est également plus difficile à
appréhender sur une caméra virtuelle qu'une section 2D imprimée sur papier, et nécessite
donc parfois, comme cela a été le cas dans certains des travaux présentés ici, des outils
d'interface spécifiques.
L'interprétation sismique constituant un thème de recherche nouveau dans l'équipe
gOcad, il nous a d'abord fallu procéder à un important travail bibliographique. Ce sujet
est toutefois étudié depuis longtemps par les compagnies pétrolières. L'amélioration de
la qualité des données sismiques, le développement de l'infographie et l'augmentation de
la puissance de calcul des ordinateurs permettent l'utilisation de techniques plus lourdes,
plus complexes et potentiellement plus efficaces. La recherche dans ce domaine est donc
toujours très active et concurrentielle. Elle reste cependant essentiellement industrielle
- contrairement à la recherche des traitements nécessaires à la construction de l'image
sismique, en grande partie universitaire. En conséquence, même s'il existe un grand nombre
de publications scientifiques, beaucoup de travaux restent confidentiels ou, au mieux,
uniquement disponibles sous forme de brevets.
Un autre problème, récurrent durant nos recherches, a été le manque de jeux de données
utilisables. Dans les rares cas où les compagnies pétrolières cèdent une image sismique,
elles ne donnent aucune information géologique sur le champ étudié, et les données sont
souvent de très mauvaise qualité. Il devient alors difficile d'évaluer les performances ou
l'utilité de certains algorithmes.
Le domaine de l'interprétation sismique étant vaste, nous avons limité nos recherches
à certains points importants. Il a d'abord été nécessaire d'étudier de plus près le signal
sismique lui-même, pour pouvoir le décrire, et l'analyser (Chapitre 1). Nous avons re-
tenu deux approches de la littérature, l'une basée sur les polynômes trigonométriques,
permettant d'interpoler le signal sismique, l'autre sur la recherche de motifs dans l'image
sismique.
Partant de là, notre premier sujet d'étude a porté sur les attributs sismiques, qui
sont des filtres opérés sur les images sismiques pour en faire ressortir certaines propriétés

2
(Chapitre 2). Ces attributs permettent de commencer le travail d'interprétation. Nous
nous sommes plus particulièrement intéressés aux attributs instantanés, et, surtout, aux
attributs géométriques, pour lesquels notre approche continue du signal nous a permis de
développer des algorithmes de calculs efficaces.
Nous nous sommes ensuite intéressés aux méthodes de combinaison et de segmentation
de ces attributs, destinées à regrouper en faciès sismiques les points de l'image sismique
possédant les mêmes caractéristiques (Chapitre 3). Ces faciès sismiques sont notamment
utilisés en géomodélisation pour remplir les grilles modélisant le réservoir sismique. Une
première méthode, mise au point précédemment au laboratoire, a été réimplementée et
adaptée à nos besoins. Par ailleurs, une seconde méthode a été développée pour le calcul
rapide de méta-attributs.
Enfin, notre dernier champ d'étude a été l'extraction automatique des surfaces géolo-
giques de l'image sismique (Chapitre 4). Cette extraction se nourrit des attributs, bruts ou
combinés, développés précédemment. Les surfaces obtenues constituent la base du modèle
surfacique de la géomodélisation. Deux algorithmes de pointé des horizons ont été mis
au point, un troisième implémenté. Le pointé automatique de failles a, quant à lui, été
abordé essentiellement sous un angle bibliographique.

3
Introduction

4
Chapitre 1

L'image sismique, source


d'information géologique

'image sismique bi ou tridimensionnelle constitue la matière première de notre travail


L de recherche. Il est nécessaire de connaître son origine pour déterminer ensuite quelle
information elle apporte sur le sous-sol et quelles méthodes d'analyse appropriées lui
appliquer.
Dans ce premier chapitre nous verrons les différentes étapes permettant d'obtenir une
image sismique utilisable par le géologue : acquisition, traitement et stockage. Nous nous
intéresserons ensuite à l'information géologique qu'elle contient, et enfin les moyens d'y
accéder.

1.1 De l'acquisition à l'interprétation


L'acquisition sismique est le processus de génération, de collecte et d'enregistrement des
signaux sismiques sur le terrain. Elle est suivie d'un ensemble de traitements destinés à
rendre l'information sismique plus lisible. Les images sismiques, avant interprétation, sont
le produit de ces différentes étapes1 .

1.1.1 Théorie de propagation des ondes sismiques


Tout corps soumis à des contraintes se déforme, et l'ensemble des relations qui relient
contraintes et déformations est appelée rhéologie du corps. Le plus simple des modèles
rhéologiques, le modèle élastique, suppose que si les contraintes sont faibles, les relations
entre contraintes et déformations sont alors linéaires et réversibles. Il s'applique bien au cas
des ondes sismiques traversant les corps rocheux. Dans ce cadre théorique, il est possible
de définir deux types de transmission des contraintes :
- les ondes de compression-dilatation, dites de type P, correspondant à la propagation
de mouvements longitudinaux (Figure 1.1-A);
1
Pour plus de détails, le lecteur pourra se référer à [Robein, 1999].

5
Chapitre 1. L'image sismique, source d'information géologique

~Ondes P
fcompress1ont

1
LIV

L dilatat1on _j

;;>
~~------s-e_n_s_dre_p_r~o-pa_g_a~t~io_n___
!!] Ondes S

FIG. 1.1 - Mouvement des particules d'un milieu élastique lors de la propagation des ondes
{A} de compression, {B} de cisaillement (Figure tirée de {Bolt, 1982}).

- les ondes de cisaillement, dites de type S, correspondant à la propagation de mou-


vements transversaux (Figure 1.1-B). Elles ne se propagent pas dans les liquides.
Considérons maintenant l'interface séparant deux milieux différents (Figure 1.2). Lors-
qu'une onde sismique arrive sur cette surface en provenance du milieu 1, elle est en partie
réfléchie dans ce milieu, en partie transmise - ou réfractée - dans le milieu 2.
Soient V1 et V2 les vitesses respectives de propagation de l'onde dans le milieu 1 et
dans le milieu 2 et i, r, t les angles de l'onde incidente, de l'onde réfléchie et de l'onde
réfractée avec la normale à l'interface. La relation entre ces angles est donnée par la loi
de Snell-Descartes :

r (1.1)
sint
(1.2)
v2
La propagation des ondes dans une roche est quantifiée par son impédance acoustique
z. Elle est égale au produit de sa masse volumique p par la vitesse de propagation de
l'onde sismique V :
Z=p·V (1.3)
Soient Ai, Ar et At les amplitudes respectives des ondes incidentes, réfléchies et réfrac-
tées au niveau de notre interface. Les proportions relatives de ces énergies dépendent du
contraste entre l'impédance acoustique Z 1 du milieu 1 et l'impédance acoustique Z 2 du

6
1.1. De l'acquisition à l'interprétation

FIG. 1.2 - Réflexion et réfraction d'une onde sismique sur une interface entre deux milieux
différents. V1, PI et V2, P2 sont les vitesses de propagation de l'onde et la densité de chacun des
milieux (ici, V1 > V2). F est la source de l'onde, I l'onde incidente, R l'onde réfléchie et T l'onde
réfractée. i est l'angle d'incidence et de réflexion, t l'angle de réfraction. {A] Représentation des
rais sismiques, {B] représentation des fronts d'ondes (d'après [Dubois et Diament, 1997}).

milieu 2. Elles sont appelées coefficients de réflexion Cr et de transmission Ct

Ar z2- z1
Cr (1.4)
A z2 + z1
At 2 · z1
Ct - (1.5)
k ~ Z2 +Z1

En sismique, Cr est généralement faible (entre 0,05 et 0,1). L'énergie réfléchie ne représente
qu'une faible partie de l'énergie émise.

1.1.2 Acquisition et signal sismique


Les ondes sismiques sont modifiées au niveau des interfaces entre les couches géologiques.
Si une onde P ou S est envoyée depuis la surface du sol, elle sera partiellement réflé-
chie et partiellement transmise au niveau de chaque interface. Plus les couches sont pro-
fondes, plus l'onde retourne tardivement à la surface. L'acquisition sismique consiste donc
à ébranler artificiellement le sous-sol au moyen d'une source, puis à enregistrer les échos à
la surface avec des capteurs (Figure 1.3). La sismique réflexion, la plus utilisée en prospec-
tion aujourd'hui, enregistre les ondes réfléchies, tandis que la sismique réfraction, d'emploi
plus marginal, enregistre certaines ondes réfractées dites coniques, transmises le long des
interfaces. Dans la suite de ce travail, nous ne nous intéresserons plus qu'à la sismique
réflexion.
D'un point de vue physique, il est possible de considérer (Figure 1.4- [Mari et al., 2001]) :
- l'impulsion envoyée par la source comme un signal bref e dépendant du temps t;
- les variations de la valeur des coefficients de réflexion dans les couches géologiques
comme un peigne de Dirac r ;

7
Chapitre 1. L'image sismique, source d'information géologique

FIG. 1.3 - Principe de l'acquisition sismique réflexion et réfraction. {1} Explosion générant
les ondes sismiques; {2} Ondes réfléchies; {3} Ondes réfractées non coniques; {4} Capteurs enre-
gistrant les ondes réfléchies; {5} Ondes réfractées coniques; {6} Capteurs enregistrant les ondes
réfractées (Image Elf Aquitaine Exploration).

8
1.1. De l'acquisition à l'interprétation

e(t)

r(t)

s(t)

e(t)*r(t)

FIG. 1.4- Le signal sismique s(t), enregistré au niveau des capteurs, est le produit de convo-
lution de l'impulsion e(t) par la suite des coefficients de réflexion r(t).

- le signal renvoyé à la surfaces comme le produit de convolution des deux premiers :

(1.6)
Un capteur enregistre ainsi la variation, au cours du temps, de l'amplitude des contrastes
d'acoustique impédances du sol moyennés par l'onde émise par la source.
Les sources utilisées sont très variées : à terre, les explosifs ou des groupes de camions
vibrateurs; en mer, le canon à air, à eau ou à vapeur [Dubois et Diament, 1997]. Les cap-
teurs dépendent également du milieu d'acquisition : géophones à terre, hydrophones en
mer. Ils sont disposés en grappe à intervalles réguliers et reliés à un laboratoire d'enregis-
trement numérique. Sauf cas particulier, seules les ondes P sont enregistrées.
Pour couvrir une bande de terrain, l'ensemble du dispositif est décalé dans la direction
voulue et le processus est répété jusqu'à l'obtention d'un profil complet. La sismique 3D
est obtenue en réalisant plusieurs profils parallèles. Il faut cependant noter que le pouvoir
de résolution et la capacité de pénétration d'une onde dépendent de sa fréquence. Plus
celle-ci est élevée, plus l'onde sera absorbée par les roches. En revanche, elle pourra être
réfléchie par des corps plus petits. Une bonne résolution est donc incompatible avec une
grande pénétration. Le choix de la fréquence du signal émis, soit le choix de la source, est
fixé selon les objectifs à atteindre. Aujourd'hui, la sismique dite conventionnelle permet
d'atteindre plusieurs dizaines de kilomètres de profondeur avec une résolution verticale
d'un cinquantaine de mètres. En exploration pétrolière, il est possible d'avoir une résolu-
tion de l'ordre de la dizaine de mètres à un à deux kilomètres de profondeur.

9
Chapitre 1. L Jimage sismique} source d }information géologique

1.1.3 Construction de l'image sismique


Depuis une trentaine d'années, les signaux sismiques sont enregistrés numériquement,
et donc échantillonnés. Cette étape conduit à une perte d'information, perte qui peut
notamment provoquer des phénomènes d'aliasing. Pour éviter ce problème, il faut que la
fréquence d'échantillonnage soit au moins deux fois supérieure à la plus haute fréquence
du signal à conserver. La gamme des fréquences de la sismique pétrolière se situe entre
10 et 100 Hz environ. Le pas d'échantillonnage utilisé est donc généralement de 4 ms, ce
qui permet théoriquement d'enregistrer, comme nous le verrons plus loin, des fréquences
jusqu'à 125Hz.
Les signaux échantillonnés sont ensuite stockés sous forme d'une grille régulière (Fi-
gure 1.5). Les axes horizontaux de la grille déterminent la position géographique des
capteurs sismiques, tandis que l'axe vertical représente le temps d'enregistrement des si-
gnaux sismiques. Chaque colonne de la grille contient le signal enregistré par le capteur
qui est situé à son sommet. Ce signal est également appelé trace sismique.
En réalité, le signal brut ne peut pas être utilisé directement. Il faut, en effet, traiter
la sismique pour éliminer certaines fréquences, réduire le bruit, les multiples et effectuer
des corrections des positions verticales et horizontales des capteurs [Robein, 1999]. L'amé-
lioration de la section sismique passe également par la sommation - ou stacking - des
signaux réfléchis au même point géographique, mais enregistrés sur des capteurs différents.
Enfin, il faut migrer certains réflecteurs qui n'apparaissent pas à leur véritable position.
Ces opérations longues et complexes doivent être adaptées au type de problème rencon-
tré : données 2D ou 3D, contexte géologique, matériel d'acquisition, etc. Elles ne seront
pas abordées ici, mais la qualité de leur mise en oeuvre détermine la qualité des données
à interpréter.
Le résultat final est une image sismique en deux ou trois dimensions, où chaque pixel
(2D) ou voxel (3D) contient l'amplitude du signal sismique enregistrée à un capteur et à
un temps donné. C'est elle que nous allons devoir interpréter maintenant.

1.2 L'interprétation sismique


Une image sismique est constituée d'un ensemble de traces sismiques, qui sont elles-mêmes
des représentations bruitées des variations de l'impédance acoustique des couches géolo-
giques. L'objectif de l'interprétation sismique est de pouvoir parvenir, à partir de cette
information, à une représentation la plus exacte possible des structures et de la nature
des roches du sous-sol.

1.2.1 Interprétation structurale et stratigraphique


La connaissance de la structure actuelle d'une zone du sous-sol permet au géologue de
mieux comprendre la formation de ces différentes couches. En géologie pétrolière, par
exemple, cette connaissance l'aide à localiser les hydrocarbures et à estimer leur volume.
L'interprétation structurale et stratigraphique consiste donc à déterminer la position des

10
1. 2. L'interprétation sismique

roc
Cl
ëii

FIG. 1.5 ~ De l'enregistrement à intervalle régulier de signaux sismiques [A} à l'image sismique
tridimensionnelle {B}.

failles et de certaines limites stratigraphiques importantes, comme le toit et la base du


réservoir, les limites des dômes de sel où des chenaux, sur l'image sismique.
Cette opération, appelée pointé sismique, est primordiale, car les images sismiques res-
tent le seul moyen efficace d'appréhender les grandes structures du sous-sol. En effet, les
interfaces entre les couches géologiques correspondent, en général, à des contrastes mar-
qués d'impédance acoustique. La stratigraphie, les plis, les déformations, les inconformités
apparaissent donc nettement sur les images sismiques. En revanche, les failles ne consti-
tuent pas des réflecteurs à proprement parler. Elles sont visibles à travers des décalages
importants entre des horizons, ou par la présence d'une zone de bruit subverticale et plane.
Les dômes de sel posent un problème particulier car ils dispersent les ondes sismiques
et masquent les couches sous-jacentes [O'Brien et Gray, 1996]. Les chenaux apparaissent
comme une succession d'horizons en non conformité. Par ailleurs, les relations entre les ré-
flecteurs caractérisent souvent des contextes sédimentologiques particuliers [Sheriff, 1991].
Les géologues utilisent donc un vocabulaire spécifique pour les décrire (Figure 1.6). Il faut
cependant noter que l'axe vertical d'une image sismique n'est pas la profondeur mais le
temps. Le calcul du champ de vitesse du signal sismique dans le sous-sol, par exemple par
méthode inverse [Tarantola, 1987], permet néanmoins de connaître la position réelle des
couches et de les caler avec les données de puits.
Dans les années 1980, l'apparition de la sismique 3D a constitué une véritable révo-
lution pour l'analyse structurale des champs pétroliers. Elle permet, en effet, de corriger
certaines erreurs de localisation des structures inhérentes à la sismique 2D, mais sur-
tout de se représenter le sous-sol dans sa véritable dimension. Aujourd'hui, les surfaces
résultant de l'interprétation 3D sont utilisées dans un géomodeleur comme gOcad pour

11
Chapitre 1. L'image sismique, source d'information géologique

intérieur
d'unité

parallèle divergent
(subsidence différentielle)

base
d'unité

onlap toplap
(élévation du niveau marin) (baisse du niveau marin)

toit
d'unité

troncation toplap
(surface d'érosion) (niveau marin constant)

FIG. 1.6 - Relations géométriques des réflecteurs sismiques et leur signification géologique
(d'après {Sheriff, 1991}).

construire un modèle structural 3D du sous-sol, qui servira ensuite de support aux études
lithologiques.

1.2.2 Interprétation lithologique


Le lien entre lithologie et signal sismique est a priori assez difficile à établir. Le signal
sismique est directement lié à l'acoustique impédance qui est une propriété des roches.
Cependant, il n'est qu'une représentation indirecte de ses variations. De plus, l'impédance
acoustique d'une couche géologique dépend de la nature de la roche, mais aussi de la
présence de fluides, de l'importance de la compaction, de la diagenèse, etc.
Les compagnies pétrolières ont malgré tout développé des méthodes de lithosismique,
qui permettent d'obtenir des informations lithologiques qualitatives et quantitatives à
partir des images sismiques. Leur but est de pouvoir préciser les remplissages sédimentaires
et fluides des zones étudiées et de faire des prévisions de production par couplage avec
le modèle 3D résultant de l'interprétation structurale. Ces technologies ont démarré dans
les années 1970 avec le repérage des bright spots. Il s'agit d'anomalies du signal sismique
qui peuvent être liées à la présence d'hydrocarbures (Figure 1.7).
Cependant, la signification du signal sismique brut est, en général, difficile à déter-
miner [Brown, 1987], même en supposant que ce dernier n'ait pas été trop modifié par
les différents traitements. C'est pourquoi les études lithosismiques intègrent un maximum
de données non sismiques, comme les données aux puits (diagraphies, carottes) ou les

12
1.2. L'interprétation sismique

...
_

FIG. 1.7- L'anomalie positive de l'amplitude sismique, ou bright spots, au centre de l'image,
est due ici à la présence de gaz (d'après [Brown, 1987}).

expériences de laboratoire. Ainsi la sismique peut être utilisée comme variable secondaire
pour étendre à l'ensemble du réservoir des faciès reconnus aux puits.

1.2.3 Intérêts de l'interprétation automatique


L'interprétation précise des images sismiques requiert beaucoup d'expérience. En effet,
les images sismiques sont souvent fortement bruitées ; ce qui peut poser des problèmes de
sous ou sur-interprétation. Il faut connaître les significations de certaines variations faibles
du signal sismique, repérer de petites anomalies au milieu de grandes, etc. Par ailleurs, le
volume des données sismiques est souvent très important, rendant le travail parfois long
et fastidieux. Automatiser les taches de l'interprétation sismiques permet donc :
- d'accélérer le traitement des données tout en obtenant un résultat plus précis, spé-
cialement dans le cas de la sismique 3D ;
- de tester en un temps raisonnable de nombreuses méthodes d'analyse pour sélec-
tionner la plus adaptée au problème ;
- d'analyser objectivement les données dans les cas simples, et de s'affranchir de l'ex-
périence de 1'interprétateur ;
- dans les cas complexes, de préparer les données pour faciliter le travail de l'inter-
prétateur. ,
Notre démarche est donc de chercher des algorithmes produisant automatiquement ou
semi-automatiquement, à partir des images sismiques :
- de nouvelles images, mettant en valeur certaines caractéristiques géologiques de la
zone étudiée ;
:.-;

13
Chapitre 1. L'image sismique, source d'information géologique

- des objets (surfaces, ensembles de points) matérialisant la structure géologique du


sous-sol.
Le but final, dans le cas des données sismiques 3D, est d'obtenir des résultats d'interpré-
tation directement utilisables par le géomodeleur afin de construire et remplir le modèle
3D du sous-sol.
Cependant, lors d'une interprétation manuelle, l'interprétateur relie mentalement les
points communs et les différences des traces sismiques pour saisir la structure des réflec-
teurs, ou pour imaginer leur lithologie. Dans le cas d'une interprétation automatique, il
nous faut des outils algorithmiques permettant à un programme remplaçant l'interpréta-
teur de faire ces liens 2 .

1.3 Les outils d'analyse de l'image sismique


Pour un programme, une image sismique est une succession de valeurs sans autre lien entre
elles que l'ordre dans lequel elles sont stockées. Or, l'accès à l'information géologique de
l'image nécessite de pouvoir corréler et comparer ces valeurs ou des groupes cohérents
de ces valeurs entre eux. Dans nos travaux, nous avons donc utilisés deux techniques
qui correspondent à deux approches différentes du contenu des images sismiques : les
polynômes trigonométriques, dérivés de l'analyse de Fourier classique, et le traitement
d'images.

1.3.1 L'analyse de Fourier


Comme nous l'avons vu au chapitre 1.1.3, chaque trace de l'image sismique peut être
considérée comme un signal unidimensionnel autonome échantillonné. Analyser l'image
sismique revient alors à analyser chaque trace indépendamment, ou à analyser les rela-
tions des traces entre elles. L'interprétation se rapproche alors des procédés de traitement
du signal utilisés en communication, dont l'analyse de Fourier constitue la base. Cette
technique est basée sur l'idée, émise au début du XIXème siècle par Joseph Fourier, que
toute fonction mathématique peut être représentée par une somme de sinus et de cosinus 3 .

La transformée de Fourier

Soit j(t) une fonction périodique de période T décrivant les variations d'amplitude d'un
signal au cours du temps t. Si f(t) et f'(t) sont supposées continues et régulières par
morceaux4 sur T, elle peut alors s'exprimer comme une série trigonométrique infinie, dite
2
Une solution originale a été étudiée par Lariani [Lariani, 2000]. Il s'agit d'analyser les mouvements
oculaires d'interprétateurs expérimentés pour qu'un programme puisse ensuite les reproduire.
3
Pour plus de détails sur la transformée de Fourier se référer à [Bracewell, 1965], sur ces applications
en sismique à [Hatton et al., 1986].
4
j(t) est régulière par morceaux sur T si f(t) est continue et a des limites finies dans tout sous
intervalle élémentaire fini de T.

14
1.3. Les outils d'analyse de l'image sismique

série de Fourier.

V tE IR, f(t) ao + f= {
k=
1
ak ·cos (2nkt)
T T
+ bk· sin (2nkt)} (1. 7)

ak
2
-
T
1T J(t). (2nkt)
o r dt cos Vk ;:::o
avec (1.8)

bk - T 1T f (t) ·
2 (2nkt)
T dt sin vk ;::: 1
0

Cette formulation établit un parallèle entre la fonction f(t) et différentes fonctions cosinus
et sinus de fréquence k/T, pondérées par les coefficients ak et bk. Le coefficient a0 est
appelé la moyenne, la fréquence 1/T, la fondamentale, et les fréquences suivantes sont les
harmoniques.
Dans le cas des fonctions f(t) non périodiques, T tend vers l'infini. Si f(t) et f'(t) sont
continues par morceaux dans tout intervalle fini, et intégrables sur ] - oo, +oo[, alors la
série de Fourier devient une intégrale de Fourier. En notant i = J=I, f(t) est égal à
+oo
V tE IR, f (t) =
l -oo F (k) · exp (i2n kt) dk (1.9)

avec
+oo
V k E IR, F(k) =
l -oo f(t) ·exp ( -i2nkt) dt (1.10)

F(k), fonction de la fréquence k, est appelée transformée de Fourier de f; f(t), fonction


du temps t, est appelée transformée de Fourier inverse de F.

La transformée de Fourier discrète

Avec les mêmes notations que précédemment, posons maintenant

(1.11)

L'équation 1.8 permet alors d'écrire

2 fT 2nkt) dt
Fk = T Jo f (t) · exp ( - i · T (1.12)

Supposons maintenant que le signal f(t) n'est connu que sur un ensemble discret de
valeurs Jo, JI, ... , fN- 1 équidistantes dans t. Soit d le pas de temps entre deux valeurs fJ
et fJ+ 1 . L'intégrale 1.12 peut alors être approchée par
1
2 N- ( . 2nktjd)
Fk = T ~ fJ · exp -1, · T ·d (1.13)

15
Chapitre 1. L'image sismique, source d'information géologique

Comme d = TjN, la Transformée de Fourier Discrète (T.F.D.) s'écrit


1
2
Fk = N L
N- ( .
!1 ·exp -'t·--;:;-
2nktj)
(1.14)
~=a

Inversement, il est possible de démontrer que chacune des valeurs j 0 , j 1 , ... , fN- 1 peut être
obtenue avec la Transformée de Fourier Discrète Inverse (T.F.D.I.)
1
2 kt')
!1 = ~ ~J
N- (
Fk · exp i· (1.15)

Application de la transformée de Fourier discrète à la sismique

Les signaux sismiques, qui nous intéressent, sont échantillonnés avec un pas constant et
de type sinusoïdal, périodiques et centrés. Ils sont donc bien adaptés à la T.F.D.
Le premier intérêt de la T.F.D. et de la T.F.D.I. est de permettre le passage du domaine
du temps t au domaine des fréquences k et inversement. Comme il y a équivalence entre
ces deux domaines, les traitements sur les signaux peuvent être effectués indistinctement
dans l'un ou l'autre domaine. Cela permet de simplifier un certain nombre d'opérations.
Par exemple, la convolution de deux signaux dans le domaine du temps devient une simple
multiplication dans le domaine des fréquences. L'importance relative de chaque fréquence
constitutive du signal peut également être étudiée au moyen du spectre des fréquences,
qui associe la valeur du module IFkl à la fréquence linéaire k/T (Figure 1.8). Il faut noter
que la T.F.D. suppose que les fréquences sont constantes au cours du temps, c'est-à-dire
que le signal est stationnaire. Cette propriété est vérifiée pour les signaux sismiques pris
sur un intervalle de temps suffisamment court. En effet, sur un long intervalle de temps,
les hautes fréquences sont absorbées par le sol.
Cependant, le processus d'échantillonnage conduit à une perte d'information dans les
deux domaines temps et fréquence. À partir de la définition 1.14, il est possible de montrer
que le spectre est périodique de période N et symétrique : seules les composantes 1Fk 1 où
k ::; N /2 sont uniques (Figure 1.8-A et B). La plus grande fréquence calculable à partir
d'un signal échantillonné est toujours inférieure à la fréquence de Nyquist !Ny = 1/2d.
Toutes les fréquences supérieures à fNy qui étaient présentes dans le signal avant son
échantillonnage sont déformées et apparaissent dans les autres fréquences du spectre :
c'est le phénomène de repliement. Pour éviter ce problème, un filtre passe-bas est appliqué
au signal sismique avant son échantillonnage.
La T.F.D. peut également être utilisée pour interpoler le signal échantillonné. Il suffit
de compléter le spectre par des 0 dans les hautes fréquences. Cela revient à augmenter
N artificiellement dans l'équation 1.15, ce qui permet de calculer des valeurs fr inter-
médiaires. En ajoutant autant de 0 qu'il y a de fréquences dans le spectre initial, le pas
d'échantillonnage est divisé par deux.
Il faut noter que le calcul de la T.F.D. à partir de la formule 1.14 nécessite N 2 opéra-
tions. En pratique, les relations entre certains coefficients de la T.F.D. permettent d'écono-
miser de nombreux calculs. L'algorithme proposé par Cooley et Tukey [Cooley et Tukey, 1965]

16
1. 3. Les outils d'analyse de l'image sismique

• signal échantillonné
- signal continu
.~'

Cll
'0
Cll' ::l"
'0 :!:
:::1• ëi,.
:!:
o.. . E
E <( ..
<C

1 1 ,, ... ~

Temps (ms) Fréquences (Hz)

FIG. 1.8- Domaines temps et fréquence d'un signal sismique.


En haut: domaine temps [A} et domaine fréquence {B} d'un même signal sismique échantillonné
à un pas de 4 ms sur 84 ms. Remarquer la symétrie du spectre des fréquences. La fréquence
zéro est nulle car le signal est centré. La plus grande fréquence connue est 119Hz, inférieure à la
fréquence de Nyquist fNy = 1/2d =125Hz.

dit Transformée de Fourier Rapide (T.F.R, ou F.F.T. en anglais) permet par exemple
d'abaisser le nombre d'opérations à Nlog 2 N. Très utilisé, il nécessite, cependant, que N
soit une puissance de 2.

1.3.2 Les polynômes trigonométriques


Malgré sa puissance, la T.F.D. ne permet pas de travailler facilement sur le signal continu
dans le domaine temporel. Nous avons donc développé une nouvelle approche du signal
sismique dérivée de la précédente et basée sur les polynômes trigonométriques.

Définition

Par définition, un polynôme trigonométrique f de degré m est une fonction de la forme

\ft E IR, f(t) ao + t{


k=l
ak · cos(kt) + bk· sin( kt)} (1.16)

17
Chapitre 1. L'image sismique, source d'information géologique

Les propriétés des fonctions sinus et cosinus nous permettent de vérifier les égalités sui-
vantes
f(t) = f(t + 27r)

1.
- 1+7f f(t). dt
V t E ffi., 27r -7f (1.17)

1 1+7f 1 m 2
27r · -1rlf(t)l 2 ·dt = 2 · ~ {(ak) + (bk) 2 }
Par ailleurs, f(t) peut aussi être écrit sous forme matricielle

V t E ffi., j(t) ao + V(t) ·C (1.18)

où V(t) et C sont respectivement une matrice ligne et une matrice colonne de taille 2m
définies ainsi

V(t) [cos(lt), cos(2t), · · · , cos( mt), sin(1t), sin(2t), · · · , sin( mt)]


V t E ffi., 1 1 1 1 1 1
[ al, a2, am, bm ]
(1.19)

Interpolation d'un signal échantillonné sur [-1r, +1r]

Soit J(n) un ensemble de (2n+ 1) index et {tj} l'ensemble associé des points régulièrement
espacés sur [-1r, +1r] tel que

J(n) { -n, ( -n + 1), -1, 0, + 1, · · · , ( +n - 1), +n }


(1.20)
. 27r
V jE J(n) J. 2n +1
Considérons maintenant une fonction f périodique de période 21r connue par 2n + 1
échantillons fj = f (tj) _Eégulièrement espacés sur [-7r, +1r ]. Supposons également que la
moyenne arithmétique f de ces échantillons est égale à

f 2::: Jj (1.21)
j EJ(n)

avec a0 réel constant.


Sous ces conditions, tentons d'approcher la fonction f par un polynôme trigonomé-
trique. Le problème revient alors à déterminer les 2m coefficients { ak, bk} à partir des
(2n + 1) valeurs {fj} pour avoir

V jE J(n) ao + t{
k=l
ak · cos(ktj) + bk· sin(ktj)} (1.22)

18
1.3. Les outils d'analyse de l'image sismique

Sous forme matricielle, l'équation devient

V j E J(n) (1.23)

Cela équivaut à rechercher les valeurs de la matrice colonne C telle que

V(Ln) f-n - J

V(tj) ·C fj - f (1.24)

~
V(t+n) f+n - 1
v F

La résolution du système 1.24 peut se faire avec la méthode des moindres carrés, ce qui
donne l'équation
(1.25)

Il faut noter qu'en raison de la distribution régulière des points d'échantillonnage {tj}
sur [-1r, +1r], les équations suivantes sont vérifiées

L cos(ktj) L sin(ktj) 0 (1.26)


jEJ(n) jEJ(n)

Ces égalités et l'équation 1.21 impliquent

2:.: (h -1) (1.27)


jEJ(n)
'-v--"
0 0

Autrement dit, il n'y a que 2n équations indépendantes dans le système linéaire 1.24.
Ce dernier ne peut donc être résolu au sens des moindres carrés que si la taille de C est
inférieure ou égale à 2n. Cela implique d'avoir

(1.28)

Sous cette condition, il est possible de démontrer [Legras, 1971] que la matrice symétrique
(vt · V) est égale à
2n + 1.
1 (1.29)
2
où 1 est la matrice identité (2m x 2m). La solution de l'équation 1.25 est donc

c 2 . vt. F (1.30)
2n+ 1
Par comparaison avec l'équation 1.19, qui définit C en fonction des m coefficients inconnus
{ ak, bk}, l'équation 1.30 permet d'exprimer ces coefficients en fonction des (2n+ 1) valeurs

19
Chapitre 1. L'image sismique, source d'information géologique

{f1 } observées aux temps d'échantillonnage {t 1 }


j=+n

n 2+ "" cos(k · t 1 ) · (!1 -!)


· _L -
2 1
J=-n
Vk=1,2,··· ,m (1.31)
j=+n
2
- n-+- " " sin(k · t 1 ) · (!1 -!)
· _L -
2 1
J=-n

Si f est périodique de période T, il suffit de remplacer t dans les membres de droite


des différentes équations par (t · 27r/T), et t1 sera redéfini de la façon suivante

. T
V jE J(n) tj = J. 2n + 1 (1.32)

Application à l'étude du signal sismique

Interpolation d'un signal sismique. Les polynômes trigonométriques sont bien adap-
tés pour interpoler les signaux sismiques qui sont, comme nous l'avons vu précédemment,
échantillonnés régulièrement, périodiques, centrés et sinusoïdaux. Ils permettent de trans-
former une suite de valeurs échantillonnées en une formule analytique simple et facile à
manipuler.
Tout comme la T.F.D., les polynômes trigonométriques supposent le signal sismique
stationnaire. Pour que cela soit vérifié, il faut interpoler le signal sur un intervalle de temps
suffisamment bref. Pour l'étude d'une trace sismique, nous avons donc utilisé une fenêtre
de points mobile. Cette fenêtre est déplacée au fur et à mesure pour être toujours centrée
sur le point étudié. Nous avons vérifié que, lorsque les fenêtres de deux points proches se
recouvrent, la continuité du signal interpolé est excellente si m = n.
Il faut également que les 2n + 1 échantillons correspondent à une période du signal.
En pratique, nous avons constaté que pour les signaux sismiques échantillonnés à 4 ms,
il faut prendre n égal à 10, c'est-à-dire une fenêtre d'analyse de 84 ms. Cette opération
de fenêtrage peut altérer le contenu fréquentiel du signal. Pour éviter ce problème, quand
il est nécessaire de préserver le spectre du signal mais non pas les amplitudes, les échan-
tillons du signal sismique sont multipliés avant interpolation par une fenêtre de Hanning
[Mitra et Kaiser, 1993]. Calculée sur 2n + 1 échantillons, cette dernière est définie par

21fi )
V i E [0, 2n + 1], H anning( i) = 0.5 - 0.5 cos ( (1.33)
2n + 1

Les nouveaux échantillons f[ pris en compte pour le calcul des fréquences sont alors égaux
à
ViE [0, 2n + 1], f: = fi· Hanning(i) (1.34)
L'emploi du filtre ne permet cependant pas de conserver l'amplitude du signal dans le
domaine temps.

20
1. 3. Les outils d'analyse de l'image sismique

Corrélation de deux polynômes trigonométriques. Le second intérêt de cette ap-


proche est de pouvoir corréler simplement deux signaux sismiques. Soient f(t) et g(t) deux
polynômes trigonométriques de degré m

f(t) = al+ t
k=l
{a{· cos(kt) + b{ · sin(kt)}
V tE IR, (1.35)

g(t) = ag+ t {a~·


k=l
cos( kt) + bf · sin(kt)}

La fonction de covariance C fg ( T) de ces deux polynômes est par définition égale à


+11'

1 -1r j(t) · g(t + T) ·dt (1.36)

En tenant compte des propriétés 5 suivantes des fonctions trigonométriques


+11' +11'

1 -1r cos(kt) ·dt


1 -1r sin(kt) ·dt 0

+11'
V k, hE IR* ]_:11' cos(kt) · cos(ht) ·dt
1 -1r sin(kt) · sin(ht) ·dt

]_:11' cos(kt) · sin(ht) ·dt 0


(1.37)
il est facile de montrer que

CJ,(T) ~ '%; {a{"· cos(kT) + b{' · sin(kT)}


(1.38)

avec
b{g 1r • (a{· bf - b{ · ak)
Ce résultat était prévisible : la fonction de covariance C fg ( T) est le résultat d'une convolu-
tion entre f(t) et g(t) dans le domaine temporel, ce qui s'exprime par une multiplication
entre les coefficients {a{,b{} et {af,bk} dans le domaine fréquentiel (cf. chapitre 1.3.2).
Plusieurs résultats sont déductibles de l'équation 1.38 :
- C1g(T) est périodique de période 27f;
- CJJ(T), appelée fonction d'autocorrélation de f(t), est égale à
m
Cff( T) = 1r • L {(a{) 2
+ (b{) 2 } · cos(kT) (1.39)
k=l
5 Jkh représente le symbole de Kronecker qui est égal à 1 si k = h, 0 ailleurs.

21
Chapitre 1. L'image sismique, source d'information géologique

En pratique, la fonction de covariance CJ 9(T) est normalisée en une fonction de corré-


lation R fg ( T) de la façon suivante

V T E [-1r, +1rj, (1.40)

En effet, l'inégalité de Schwartz permet de démontrer que

V TE [-1r, +1r], (1.41)

ce qui nous donne le résultat suivant


V T E [-1r, +1rj, (1.42)
RJ 9(T) quantifie le degré de ressemblance entre la fonction f(t) et la fonction g(t) décalée
de T. Si g est proportionnelle à f, alors
RJg(T) = +1 Ç=:::;> f(t) = c. g(t + T) v tE IR
V TE [-1r, +1rj, (1.43)
RJ9(T) = -1 Ç=:::;> f(t) = -c · g(t + T) V tE IR
Un exemple direct d'application est visible sur la Figure 1.9. L'abscisse ~ du maximum
de la fonction de corrélation Rfg a la propriété suivante
V tE IR, f(t) c:::: g(t + ~) (1.44)
Les images sismiques sont en général composées d'horizons parallèles de faible pendage.
Concrètement, ~ donne le décalage précis en temps entre la série des horizons parallèles
du signal f et celle du signal g, c'est-à-dire le pendage local des horizons. De plus, RJ 9 (~)
permet de quantifier la précision du calcul. Plus cette valeur est proche de 1, plus les
horizons se ressemblent et plus le calcul du pendage est exact. Inversement, pour des
signaux très bruités et vraisemblablement très dissemblables, RJ 9 (~) sera proche de O.

Relation avec la transformée de Fourier. Le calcul des coefficients { ak, bk} dans
l'équation 1.31 est équivalent à une T.F.D.I. où N = 2n+ 1. En effet, les fonctions cosinus
et sinus peuvent s'écrire sous forme complexe de la façon suivante
exp(it)+exp( -it)
cos(t) 2

exp( it)-exp( -it)


V tE IR, sin( t) 2i
(1.45)

i . _-..c...ex-"-p"-"(it-'--,)+'--"e=xp'-'-(-_i_,_t)
2

L'équation 1.16 devient alors

Vt E IR, f(t) = a0 + t{
k=l
ak ·cos( kt) + bk· sin( kt)}

ao + ~ t{
k=l
(ak- ibk) · exp(ikt) + (ak + ibk) ·exp( -ikt) }(1.46)

22
1. 3. Les outils d'analyse de l'image sismique

filt
FIG. 1.9 - Corrélation de deux signaux sismiques. {A} Coupe verticale d'une image sismique.
{B} Interpolation de deux traces sismiques par deux polynômes trigonométriques f et g.
{C} Fonction de corrélation CJg entre f et g. L'abscisse~ du maximum de corrélation donne le
décalage entre les deux traces sismiques.

En posant

ao (1.47)
Vk E [1,m], ak + ihk (1.48)
VkE [1, m], F_k = ak - ibk (1.49)

la formule 1.15 est retrouvée

V tE IR, j(t) ao 1
+2 t;
m {-
Fk ·exp( ikt) + Fk ·exp( -ikt) } (1.50)

21 ~ Fk ·exp( ikt) +
m {-
Fk ·exp( -ikt) } (1.51)

0 m
2L L
1
F_k ·exp( -ikt) + Fk ·exp( -ikt) (1.52)
k=-m k=O
m
L Fk ·exp( -ikt) (1.53)
k=-m

23
Chapitre 1. L'image sismique, source d'information géologique

• signal échantillonné
- signal interpolé avec m=n=10
- - signal interpolé avec m=8
--- signal interpolé avec m=5

Q)
'0
:È1
a. l',
E., l',
<(
\
\
..
,~

·•
·1

··~------------------------------------------~~
0 4 8 12 18 20 24 28 32 31 40 44 48 52 56 10 14 18 72 71 80

Temps (ms)

FIG. 1.10 - Interpolation de 2n + 1 = 21 échantillons (symbolisés par les carrés noirs) d'un
signal sismique avec un polynôme trigonométrique. Le pas d'échantillonnage est régulier et de
4 ms. La courbe continue représente le cas où le maximum de fréquences possible est utilisé
pour reconstruire le signal (m = n). Les courbes en pointillés représentent le signal interpolé en
éliminant les hautes fréquences (m < n).

Comme pour la transformée de Fourier, l'interpolation par les polynômes trigono-


métriques permet de passer du domaine temporel au domaine fréquentiel au moyen des
coefficients {ak, bk}. Si m = n, alors la totalité du spectre est utilisé et il y a égalité stricte
entre f(tJ) et fJ pour tout j dans J(n) (Figure 1.10). Cependant, si un couple de coeffi-
cients {ak, bk} est remplacé par {0, 0}, alors la fréquence correspondante k/T ne sera pas
prise en compte pour interpoler le signal. Il est donc possible de réaliser simplement un
filtre passe-bas en annulant les coefficients de rang élevé, ou au contraire, un filtre passe-
haut en annulant ceux des premiers rangs. Il faut aussi noter que pour les polynômes
trigonométriques comme pour la transformée de Fourier, la condition de Nyquist 6 doit
être respectée au moment de l'échantillonnage pour éviter le repliement des fréquences.
La transformée de Fourier ne permet cependant que de travailler de façon discrète sur
les signaux. Les polynômes trigonométriques ont l'avantage d'être une reformulation ana-
lytique simple de cette transformée, qui nous sera utile plus tard pour travailler et corréler
des signaux continus. Le coût de calcul des coefficients des polynômes trigonométriques
est le même que celui des coefficients de la T.F.D. par la méthode classique, de l'ordre de
N 2 . Comme les deux séries de coefficients sont identiques, la F.F.T. aurait pu être utilisée
pour le calcul des polynômes trigonométriques. Malheureusement, la F.F.T. nécessite que
N soit une puissance de 2, alors que les polynômes trigonométriques se calculent sur un
nombre impair de points.
6
La fréquence maximale du signal avant son échantillonnage doit être inférieure à la fréquence de
Nyquist du signal échantillonné.

24
1.3. Les outils d'analyse de l'image sismique

• signal échantillonné

signal interpolé avec les poly. trig.

signal interpolé avec l'interp. de Shannon

Temps (ms)

FIG. 1.11 - Comparaison de l'interpolation de Shannon et des polynômes trigonométriques.


Les résultats sont identiques, excepté au niveau des limites de 1'intervalle d'interpolation. Géné-
ralement, le signal n'est étudié que dans sa partie centrale.

Comparaison avec l'interpolation de Shannon. En traitement du signal, un signal


f(t) quelconque échantillonné avec un pas régulier d et qui respecte la condition de Nyquist
est généralement interpolé au moyen de l'interpolation de Shannon

j=+n · (1 ft-jd)
sm ·-
V tE IR, t(t) = L: tj ·
j=-n
t-j~
1f• - -
d
· tj (1.54)

La fonction qui a x réel associe sin( x)/ x est appelée sinus cardinal. Si la sommation est
faite sur un intervalle infini, l'interpolation est rigoureusement parfaite [Mari et al., 2001].
Elle peut nous servir de référence pour contrôler la qualité de notre interpolation. Nos tests
montrent que l'interpolation de données sismiques avec les polynômes trigonométriques
donne des résultats quasi identiques à l'interpolation de Shannon (Figure 1.11). Les seules
différences situent aux bornes du signal interpolé, c'est-à-dire là où il n'est pas étudié.
Elles sont dues au fait que l'interpolation par un polynôme trigonométrique supposent un
signal périodique mais pas l'interpolation de Shannon.

1.3.3 Les outils d'analyse d'image


Comme nous le montre la Figure 1.5, la sauvegarde des données sismiques, sous forme
d'une grille régulière, permet d'assimiler le cube à un ensemble de voxels. Il est donc
possible d'analyser non pas un signal temporel unidimensionnel, mais des motifs constitués
de voxels ayant une ou plusieurs propriétés communes.

25
Chapitre 1. L'image sismique, source d'information géologique

Recherche de motifs

L'unité d'analyse n'est plus la trace sismique ou une sous partie, mais une fenêtre tridi-
mensionnelle W. La dimension verticale n'a pas d'importance particulière. Un point P de
la grille sera caractérisé non seulement par la valeur de l'amplitude sismique qui lui est
attachée, mais également par la valeur de l'amplitude sismique de tous les points pi de
W (Figure 1.12).
Il est alors possible de comparer deux fenêtres d'analyse centrées sur deux points P
et Q pour savoir si elles contiennent le même motif. [Sonka et al., 1993] définissent le
coefficient de corrélation suivant
1
= n. l:~=O
(1.55)
CP,Q IWi(P)- Wi(Q)I

avec n nombres de points de W,


Wi(R) valeur du ime point de W centrée sur R
Nous avons voulu ramener CP,Q sur l'intervalle [0,1]. Si le minimum Amin et le maximum
Amax de l'amplitude sismique sont connus, il est alors facile de ramener toutes les valeurs
lVi(P) et lVi(Q) dans l'intervalle [0,1]. Notre nouvelle définition de CP,Q est alors
1
= n. n- 2:~=0 llVI(P)- lVI(Q)I
(1.56)
CP,Q

avec (1.57)

Si CP,Q s'approche de 0, les motifs autour de P et Q sont alors très différents. Si CP,Q
s'approche de 1, le motif de Pest alors identique au motif de Q.
Considérons maintenant plusieurs images 11 , h, ... , lm dérivées d'une même image sis-
mique et stockées dans une même grille. Chaque cellule de cette grille ne contient pas une
mais plusieurs valeurs correspondant à chacune des m images. Il est ainsi possible de re-
chercher un méta-motif lV sur les m images en même temps. Le coefficient de corrélation
CP,Q entre les deux méta-motifs de Pet Q sera alors égal à:

1 m
L:c~,Q
m j=l
(1.58)

avec C~,Q coefficient de corrélation calculé sur l'image Ii (1.59)


Si les propriétés à comparer ont un ordre de grandeur différent, il est préférable de les
centrer et réduire avant d'effectuer le calcul.
Cette méthode de recherche de motif est plus simple que les polynômes trigonomé-
triques. Elle ne donne pas d'accès aux fréquences du signal, et ne permet pas de l'interpo-
ler. En revanche, elle est plus rapide, s'applique bien à des images contenant autre chose
que des signaux sinusoïdaux, et peut tenir compte de plusieurs propriétés en même temps.
Dans certains cas, elle sera mieux adaptée que les polynômes trigonométriques.

26
1.4. Conclusion

FIG. 1.12 - Recherche d'un motif sur une image sismique 2D. La fenêtre de 5 x 19 = 95 points
W (P) définit le motif à rechercher (ici le réflecteur central) centré sur P. Elle est comparée point
par point à une fenêtre W (Q) identique mais centrée sur un point Q ailleurs dans 1'image. Le
calcul de CP,Q permet de quantifier la ressemblance entre les deux motifs.

Autres méthodes

Tout algorithme d'analyse d'image digitalisée peut être appliqué aux images sismiques :
compression, segmentation, opérateurs de morphologie mathématiques, détection de bor-
dures, reconnaissance de formes, etc. Malheureusement, la plupart des techniques actuelles
de traitement des images restent bidimensionnelles, à l'exception de quelques domaines
comme la médecine.
Il faut noter qu'à l'inverse, toute image tridimensionnelle peut être considérée comme
un signal variant selon les trois dimensions de l'espace. Par exemple, il est possible d'uti-
liser une transformée de Fourier à trois dimensions pour analyser une image. Par ailleurs,
la méthode d'analyse par ondelette a été mise au point dans les années 80 par Morlet,
géophysicien d'Elf Aquitaine pour l'étude des signaux sismiques [Grossman et J., 1984].
Elle est aujourd'hui utilisée dans de nombreux domaines, comme la compression de photos
numériques, mais elle n'est employée que de façon marginale en sismique.

1.4 Conclus ion


Les données sismiques résultent de la réflexion d'une onde artificielle sur les couches du
sous-sol. Elles représentent les contrastes majeurs d'impédances acoustiques liés à des
variations de lithologie ou à la présence de certains fluides. Cependant, les images 2 ou
3D obtenues sont altérées et bruitées. Si elles renseignent généralement assez bien sur les
structures géologiques, il est beaucoup plus difficile d'en retirer une information litholo-
gique. Le travail d'interprétation se révèle d'autant plus difficile que la masse de données
à traiter est souvent très importante.

27
Chapitre 1. L'image sismique, source d'information géologique

L'utilisation d'outils d'interprétation automatique est donc une nécessité pour réduire
les coûts et les délais. Ces outils peuvent permettre de s'affranchir d'une partie de l'expé-
rience nécessaire à l'interprétation manuelle, mais aussi d'appliquer des méthodes d'ana-
lyse pouvant prendre en compte de grands nombres de variables. Ces méthodes sont donc
potentiellement plus précises. Il faut cependant trouver les algorithmes susceptibles de ré-
pondre efficacement aux problèmes de l'interprétateur : la nature des faciès, la localisation
des hydrocarbures, ou encore la position des horizons et des failles.

28
Chapitre 2

Les attributs sismiques,


mise en évidence des caractéristiques
du signal sismique

i les signaux sismiques contiennent des informations géologiques, il est peut-être pos-
S sible de les transformer au moyen d'opérations mathématiques pour révéler le plus
clairement possible cette information. Cette idée simple est à la base des attributs sis-
miques. Elle se révèle néanmoins difficile à réaliser : quelle qualité et quantité d'informa-
tions pouvons nous espérer tirer de la sismique? Pour quelle sensibilité au rapport signal
sur bruit? Le résultat a-t-il une signification physique ou géologique?
Après une présentation générale des attributs sismiques, ce second chapitre abordera
les différentes familles d'attributs que nous avons sélectionnés et étudiés dans ce travail :
attributs liés directement au signal sismique, attributs liés à la géométrie des réflecteurs,
et certains filtres sismiques. Nous verrons ainsi leur origine, leur mode de calcul, ainsi
que leur application à l'interprétation. La dernière partie sera consacrée au problème
important de leur visualisation.

2.1 Introduction aux attributs sismiques

2.1.1 Définitions
Taner, qui a popularisé l'utilisation des attributs sismiques à la fin des années 1970, les
définit comme « toute information obtenue à partir des données sismiques, soit par mesure
directe, soit par un raisonnement logique ou basé sur l'expérience» [Taner, 2001].
Les attributs sont calculés sur des cubes sismiques, sur des horizons extraits de la
sismique, ou à partir de cubes sismiques sur des horizons ou sur des intervalles de part et
d'autre d'horizons [Bahorich et Bridges, 1992]. Les horizons extraits et sur lesquels sont
peints des attributs sont appelés « cartes d'attributs». Rapides à calculer, ils permettent
de visualiser les variations de l'attribut le long d'une même limite stratigraphique et non
le long d'une coupe horizontale arbitraire comme cela est le cas avec un cube sismique.

29
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

2.1.2 Historique
D'après l'historique proposé par Barnès [Barnes, 2001], le concept d'attribut sismique ap-
paraît en filigrane dès 1954 dans un article de Rummerfield [Rummerfield, 1954] qui fait
le lien entre qualité des réflexions sismiques et hydrocarbures. Jusqu'au début des années
1960, le travail sur papier ou à partir d'enregistrements analogiques limite l'interprétation
au pointage des principales structures géologiques de la zone étudiée. Les programmes
permettant d'étudier les variations de l'amplitude des signaux ne sont apparus qu'avec
le traitement numérique des données. Dans les années 1970, le succès de la détection
d'hydrocarbures avec les bright spots (Figure 1. 7) fait prendre conscience que certaines
caractéristiques des signaux peuvent fournir de nouvelles informations. À la fin de cette
même décennie, l'introduction par Taner et al [Taner et Sheriff, 1977] [Taner et al., 1979]
de la trace sismique complexe marque le véritable développement des attributs sismiques.
De nombreux autres attributs sont ensuite développés dans les années 1980. Ce dévelop-
pement jette cependant un certain discrédit sur cette technologie, faute d'une significa-
tion physique ou géologique claire d'un grand nombre d'entre eux. Au milieu des années
1990, l'augmentation de la puissance de calcul des ordinateurs et l'apparition d'une nou-
velle génération d'attributs appliqués à la sismique 3D et mettant en valeur les failles
[Bahorich et Farmer, 1995] relance l'utilisation des attributs sismiques.

2.1.3 Classification des attributs


Il existe aujourd'hui de très nombreux attributs, chaque compagnie pétrolière adaptant et
créant ses propres besoins. Chen et al [Chen et Sidney, 1997] en comptabilisent ainsi plus
de 300. Plusieurs systèmes de classification ont donc été proposés pour se repérer dans cet
ensemble relativement chaotique et en perpétuelle croissance.
Brown [Brown, 1996] (Figure 2.1) hiérarchise tout d'abord les attributs en fonction
de l'information de base qu'ils apportent : temps/profondeur, amplitude, fréquence, at-
ténuation. Au niveau inférieur, il distingue les attributs avant et après sommation (cf.
chapitre 1.1.3). Puis il sépare les attributs calculés à un instant du signal de ceux obtenus
sur un intervalle de temps.
Chen et al [Chen et Sidney, 1997] proposent deux classifications parallèles basées sur
l'information apportée par l'attribut. La première classification sépare les attributs selon
la propriété du signal qu'ils font ressortir : amplitude, phase, fréquence. La seconde classe
les attributs selon la caractéristique du réservoir qu'il mettent en valeur : discontinuité
stratigraphique, présence d'hydrocarbures, etc.
Le plan suivi dans ce chapitre s'inspire de la classification de Taner et al
[Taner et al., 1994] [Taner, 2001]. Ces auteurs distinguent les attributs géométriques, ini-
tialement développés pour l'interprétation stratigraphique, des attributs physiques, liés
qualitativement et quantitativement à une propriété physique et principalement utilisés
pour la caractérisation de réservoir. Les attributs physiques se subdivisent eux-mêmes en
attributs instantanés, calculés à un instant donné du signal, et en attributs de réponse ou
d'ondelette, calculés aux maximums du signal.

30
2.1. Introduction aux attributs sismiques

SEISMIC DATA
1
1 1 1 1
TIME AMPLITUDE FREQUENCY ATTENUATION
1 1 1 1
1
PRE-STACK POST·STACK

v.~,,~
1
J_,
PRE-STACK POST-STACK
1
PRE-STACK POST-STACK PRE-STACK
1
POST-STACK

L
AVO intercept lnst. Q factor
AVO gradient Slope spectral freq.
lntercept x gradient Slope inst. freq.
Far-near difference
Fluid factor

HORIZON WINOOW HORIZON WINDOW HORIZON WINDOW


Tl me Coherence Reflection amplitude lnstantaneous freq.
lsochron Continuity Composite amplitude Response freq.
Trend Semblance Relative impedance Envelope-weighted inst. freq.

,
Residual Covariance Reftection strength Time derivative freq.
Dip Peak-trough dilf. Ampl~ude ratio
Azimuth
Difference
Edge
Illumination
Dip max. correlation
Azimuth max. corr.
Signal-ta-noise
Parallel bed indicator
Amplitude over background
_________ ..... ...-...-
lnst. phase Chaotic bed indicator
eosine phase Trace difference HYBRID
Curvatune
Roughness Waveshape
Loop area
Arc length
GROSS SELECTION DISTRIBUTION GROSS
Total absolute amp. Maximum amplitude Energy half-time Reftection width
Total energy Larges! negative am p. Slope reft. strength Average inst. freq.
Average absolute Max. absolute amp. Slope at han energy RMS inst. freq.
Average energy Peak-trough difference Ratio pos. to neg. No. zero crossings
Av. reft. strength Peak spectral freq.
RMS ampl~ude 1st dominant freq.
Average peak am p. 2nd dominant freq.
Variance of amp. 3rd dominant freq.
Percent greater than Spectral bandwidth

FIG. 2.1 - Classification simplifiée des attributs proposée par {Brown, 1996}.

31
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

Étant donné le nombre d'attributs existants, d'autres types importants d'attributs


n'ont pas été étudiés ici :
- les attributs provenant de statistiques sur une portion de trace sismique - pics,
nombre de zéros, coefficients d'une méthode d'interpolation donnée
[Grubb et Walden, 1997] -, ou de ses fréquences ou de sa fonction d'autocorré-
lation [Sinvhal et Khattri, 1983], [Fournier, 1990] ;
- les attributs issus de l'impédance acoustique [Fournier et al., 2002], qui nécessitent
des calculs particuliers pour obtenir l'impédance;
- les attributs avant sommation dits attributs A.V.O. [Voutay, 2003], en l'absence des
données de tests nécessaires.

2.2 Les attributs instantanés


Les attributs instantanés ont été introduits par Taner et Sheriff à la fin des années 1970
[Taner et Sheriff, 1977]. Leur objectif était d'utiliser des notions classiques de traitement
du signal pour analyser les variations des composantes des signaux sismiques et espérer
leur donner une signification géologique. Ils constituent aujourd'hui un groupe très im-
portant d'attributs, mais restent relativement ésotériques pour beaucoup d'interprétateurs
[Barnes, 1998]. Ils permettent, néanmoins, de bien comprendre les différentes composantes
des signaux sismiques, et peuvent apporter une aide précieuse à l'interprétation sismique.

2.2.1 Notion de trace complexe


Le calcul des attributs instantanés repose sur la notion de signal analytique. Si f est un
signal dépendant du temps t, son signal analytique Z est défini dans l'ensemble tC des
complexes et est égal à [Bracewell, 1965]

V tE IR, Z(t) J(t) + i. ](t) (2.1)

avec j transformée de Hilbert de f, que nous développerons plus loin. Il est possible de
représenter Z(t) dans un espace 3D dont les axes sont t, f et j (Figure 2.2-A).
Z peut aussi s'écrire sous forme trigonométrique

V tE IR, Z(t) = e(t) ·exp( i · cp(t) ) (2.2)

cp(t)
](t))
arctg ( f{t)
avec

e(t) = Jj2(t) + ] (t)2

e et cp sont respectivement l'enveloppe et la phase de la trace complexe (Figure 2.2-B et


C). L'enveloppe correspond à l'amplitude de Z, tandis que la phase représente sa rotation
autour de l'axe du temps.

32
2. 2. Les attributs instantanés

La notion de signal analytique a été introduite en sismique sous le nom de trace com-
plexe par Taner et Sheriff [Taner et Sheriff, 1977] pour le calcul des attributs instantanés.
Elle était cependant déjà utilisée depuis les années 1940 pour l'étude des signaux ra-
dios et optiques non stationnaires [Gabor, 1946]. Elle permet, en effet, d'obtenir les deux
composantes indépendantes d'un signal que sont l'enveloppe et la phase.
Barnes [Barnes, 1998] propose une approche plus concrète de cette notion. Prenons
le signal f à un temps donné t et déphasons le progressivement de -1r à +n jusqu'à
l'obtention du signal maximum. Ce maximum est l'enveloppe e, et l'angle de déphasage
correspondant est la phase c/J. Le signal analytique n'est qu'un artifice de calcul permettant
d'accéder plus directement à ce résultat.

2.2.2 Calcul de la transformée de Hilbert


Définition formelle

Mathématiquement, la transformée de Hilbert f d'une fonction f définie sur IR est elle-


même définie sur IR et est égale à [Mari et al., 2001]

\::ft E IR, f- (t) = -1 · lim {lt-c: -f(s) · ds +


7r c:-->0+ _00 t - S
l+oo
_f(s) . ds}
t+c: t - S
(2.3)

Dans la pratique, cette formulation n'est pas utilisable. Plusieurs méthodes ont donc été
mises au point pour la contourner, basées notamment sur le calcul dans le domaine des
fréquences.

Calcul dans le domaine des fréquences

La transformée de Hilbert peut aussi se définir dans le domaine des fréquences au moyen
de la transformée de Fourier. Avec les même notations qu'au chapitre 1.3.1, elle est égale
à
F(k) = T.D.F.(f(t)) = -i signe(k) · F(k) (2.4)
Dans ce domaine, la transformée de Hilbert correspond donc à un déphasage de -1r /2
pour les fréquences négatives ~t de +n /2 pour les fréquences positives [Bracewell, 1965].
f est dit en quadrature avec f.
Taner et al [Taner et al., 1979] proposent une solution pratique pour effectuer ce calcul.
Ils montrent que si un signal réel peut s'écrire sous la forme d'une intégrale de Fourier,
alors sa transformée de Hilbert peut se calculer de la façon suivante :
1. calculer la transformée de Fourier du signal;
2. dans le domaine des fréquences, annuler les amplitudes des fréquences négatives et
doubler les amplitudes des fréquences positives;
3. effectuer la transformée de Fourier inverse pour revenir dans le domaine temporel.
Cette méthode est actuellement la plus employée en sismique, en association avec la T.F.R.

33
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

f(t) f(t)

FIG. 2.2- Représentation graphique de la notion de trace complexe.


[A} Dans un espace complexe tridimensionnel, le signal analytique Z représente la variation de
la trace sismique f et de sa transformée de Hilbert j au cours du temps t.
{B} Projeté du signal analytique Z sur le plan (!, ]) : la phase cjJ est l'angle entre le signal
analytique Z et l'axe des abscisses f.
{C} Projeté du signal analytique Z sur le plan (t,!) :l'enveloppee est égale à la valeur absolue
de l'amplitude du signal f.

34
2. 2. Les attributs instantanés

Autres méthodes proposées dans la littérature

Taner [Taner, 2000] propose d'autre possibilités de calcul de la transformée de Hilbert


d'un signal sismique: dans le domaine temporel de façon discrète, au moyen des ondelettes
de Gabor-Morlet, ou encore par manipulation de l'intégrale du signal. D'après l'auteur,
ces méthodes restent cependant moins efficaces que la précédente et ne sont donc pas
conseillées.

Application au cas des polynômes trigonométriques

Nous avons vu au chapitre 1.3.2 que les signaux sismiques discrets peuvent être interpolés
au moyen d'une somme de sinus et cosinus. Or, les transformées de Hilbert des fonctions
trigonométriques sont connues analytiquement [Bracewell, 1965] :

éOs(wt) cos(wt- 1r /2) sin(wt)


(2.5)
sin(wt) sin(wt- 1r /2) = -cos(wt)

Il nous a donc été facile de déterminer la transformée de Hilbert j d'un polynôme trigo-
nométrique j, tel que défini par l'équation 1.16 :

V t E IR, ](t) ~ t, {a,· sin(kt) - bk· c.os(kt)} (2.6)

En pratique, ce calcul revient à celui du chapitre 2.2.2, basé sur la transformée de Fourier.
Les polynômes trigonométriques présentent cependant les avantages suivants :
~ la formule mathématique est simple et analytique, elle permet de calculer immédia-
tement la transformée de Hilbert d'un signal sismique à tout instant t;
~ les coefficients { ak, bk} et les valeurs {sin( kt), cos( kt)} peuvent être réutilisés pour le
calcul du polynôme trigonométrique, de sa transformée de Hilbert et, comme nous le
verrons plus loin, de leurs dérivées. Le calcul des attributs instantanés ne nécessitera
donc que peu de calculs supplémentaires par rapport à celui des polynômes.
C'est donc cette formulation que nous avons choisie pour notre calcul d'attributs instan-
tanés.

2.2.3 Calcul des dérivées


Certains attributs instantanés nécessitent de connaître les dérivées f' et ]' des compo-
santes de la trace complexe. Elles peuvent être approximativement calculées en faisant la
différence d'échantillons voisins, mais le résultat théorique correct est obtenu au moyen
d'un filtre de dérivation basé sur la fonction sinus cardinal [Farid et Simoncelli, 2004].
C'est cette méthode qui est utilisée dans [Taner et al., 1979]. Dans le cas des polynômes
trigonométriques, nous proposons simplement d'appliquer les règles mathématiques de

35
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

dérivation aux signaux analytiques

V t E IR., !'
df
dt
~ {-a,· k · sin(kt) + b, · k · cos(kt)} (2.7)

V t E IR., ]'
df
dt
= ~{ a,· k ·cos( kt) + b, · k ·sin( kt)} (2.8)

Les deux méthodes, filtre de dérivation et dérivation mathématique des signaux, donnent
les mêmes résultats. La seule différence intervient aux limites de l'intervalle d'interpolation
du signal (cf. chapitre 1.3.2), c'est-à-dire là où il n'est pas étudié.

2.2.4 Les principaux attributs instantanés et leur application


à l'interprétation sismique
Les attributs présentés par Taner et Sheriff [Taner et Sheriff, 1977], phase, amplitude et
fréquence instantanés, constituent la base à partir de laquelle sont calculés l'ensemble des
attributs instantanés, par dérivations, intégrations ou combinaisons diverses. L'introduc-
tion d'un nouvel attribut instantané doit cependant se justifier par l'intérêt du renseigne-
ment qu'il est susceptible d'apporter. Il faut également que sa sensibilité au bruit soit
suffisamment faible pour qu'il soit exploitable.
Nous présenterons, dans ce paragraphe, les principaux attributs instantanés abordés
au cours de ce travail. Les différ~ntes formules sont données pour tout signal f et sa
transformée de Hilbert continue f. Elles s'appliquent aussi bien à des signaux discrets
qu'à des signaux continus, tels ceux interpolés par des polynômes trigonométriques.

Remarque sur le calcul des attributs

Les attributs instantanés, calculés au moyen de la transformée de Hilbert, ont pour but
d'étudier les variations dans le temps des composantes du signal. Ceci est contradictoire
avec l'utilisation de la transformée de Fourier et des polynômes trigonométriques, qui sup-
posent un signal stationnaire. Le calcul de la trace complexe se fait donc classiquement sur
une petite fenêtre temporelle pour concilier aux mieux les deux approches. Les attributs
instantanés sont donc calculés sur le cube sismique au moyen d'une petite fenêtre mobile
le long de chacune des traces sismiques.

L'amplitude instantanée

L'amplitude instantanée e est égale au module de la trace complexe, c'est-à-dire à son


enveloppe 7
V t E IR., e(t) = Vf(t) 2
+ ](t)2 (2.9)
7 Par la suite, nous utiliserons indifféremment le terme enveloppe ou le terme amplitude instantanée.

36
2.2. Les attributs instantanés

Elle est également appelée force de réflexion et représente l'énergie instantanée totale du
signal . Elle varie d'un ordre de grandeur semblable à l'amplitude du signal sismique (Fi-
gure 2.3) et, tout comme ce dernier, est sensible au pendage des réflecteurs. La Figure 2.4-B
montre un exemple d'une section verticale de cet attribut.
Les données sismiques sont généralement filtrées pour être zéro-phasées, c'est-à-dire
qu'un pic d'amplitude sismique correspond à un pic de contraste d'impédance acoustique.
Sur l'ensemble des signaux d'un cube sismique, le résultat est cependant rarement parfait
et il peut y avoir des décalages entre les deux pics. Or, comme le montre l'équation 2.2,
l'amplitude instantanée est indépendante de la phase. Elle peut donc être utilisée pour
s'affranchir de ces problèmes de phase et pour mieux représenter les contrastes d'impé-
dance acoustique [Taner et Sheriff, 1977]. Comme le montre la Figure 2.3, elle a cependant
une résolution plus faible que le signal de départ.
Taner et al [Taner et al., 1979] proposent donc l'utilisation de l'enveloppe pour la
détection des bright spots, dim spots 8 et fiats spots 9 Ils relient aussi les variations latérales
de cet attribut à la présence de failles, à des non conformités ou à des variations de
lithologie. Le décibel de l'amplitude instantanée est parfois utilisé à la place de l'amplitude
instantanée pour la détection d'hydrocarbures [Taner et al., 1979],[Chen et Sidney, 1997].
La dérivée première e' de l'amplitude instantanée est également un attribut fréquem-
ment employé. Elle est égale à
2
V t E lR, e'(t) = de(t) = (e (t))' (2.10)
dt 2 · e(t)

Elle décrit les variations verticales d'énergie des réflexions et peut être utilisée pour ca-
ractériser les séquences stratigraphiques verticales [Chen et Sidney, 1997].

La phase instantanée

La phase instantanée cp est égale à la phase de la trace complexe

V t E lR, f(t))
cp(t) = arctg ( f(t) (2.11)

Elle correspond à un angle et varie entre -1r et +1r (Figure 2.3). Elle est connue modulo
27r, telle que -1r = +1r. Il faut donc une échelle de couleur10 cyclique pour la représenter
correctement. Pour cela, nous avons utilisé l'échelle de couleur proposée par Taner et
Sheriff [Taner et Sheriff, 1977] :
- 3-2 1r en cyan
- 0 en jaune;
- ~7r en magenta ;
- les autres angles par les couleurs interpolées (Figure 2.4-C).
8 Atténuation du signal sismique parfois liée à la présence d'hydrocarbures.
9 Forte réflexion horizontale en non conformité avec les réflecteurs environnants due à l'interface hy-
drocarbure/ eau.
10 Relation entre chaque valeur de l'attribut et la couleur qui lui sera assignée à l'affichage.

37
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

15

fréquence
JI inst.
10

3.14

phaseinst.
-5

-10

Frrr:--T3---=--Amplitucle, pEase et frequence instantanée d'un signal sismique interpolé. L'am-


plitude instantanée prend ses valeurs environ sur le même intervalle que la valeur absolue du
signal. La phase varie entre [-1r, +1r] modulo 27r. Sa dérivée, la fréquence, tend à avoir un com-
portement instable quand le signal devient faible . C'est pourquoi elle est généralement pondérée
par l'amplitude instantanée.

Il faut noter que cette phase est ponctuelle dans le temps. Elle est donc très différente
de la phase donnée par la transformée de Fourier, qui, elle, est associée à la fréquence du
signal supposé stationnaire.
La phase instantanée est indépendante de l'amplitude instantanée, et permet de re-
présenter tous les réflecteurs avec la même intensité. Un réflecteur donné a une phase
constante sur toute sa surface. La phase instantanée est donc un très bon marqueur de
la continuité ou non continuité des couches [Taner et Sheriff, 1977]. Certaines variations de
phase peuvent également être associée à la présence d'hydrocarbures [Chen et Sidney, 1997].
Pour sa part, Stark [Stark, 2003] « déroule » la phase instantanée pour attribuer à chaque
réflecteur un numéro spécifique. Il tente ainsi de détecter automatiquement les inconfor-
mités et séparer les différentes unités stratigraphiques du réservoir étudié.
L'amplitude normalisée est égale au cosinus de la phase [Chen et Sidney, 1997] . Son
nom vient du fait qu'elle est équivalente à l'amplitude sismique sans les effets de l'enve-
loppe et quelle prend ses valeurs sur [-1 , +1]. C'est un moyen de représenter la phase sur
les sections sismiques 2D en wiggle 11 .
11
Affichage traditionnel en noir et blanc des signaux sismiques en accolant les graphes représentant les
variations de chaque trace sismique en fonction du temps. Les pics sont peints en noir, tandis que les
creux sont laissés blancs.

38
2. 2. Les attributs instantanés

FIG. 2.4 - Attributs instantanés sur une section sismique verticale : {A] signal sismique,
{B] amplitude instantanée, {C] phase instantanée, {D] fréquence instantanée et {D'] fréquence
instantanée pondérée. L'amplitude instantanée, ou enveloppe, marque les réflecteurs sismiques
importants, tandis que la phase met en valeur la continuité des réflecteurs sans tenir compte de
l'amplitude du signal réfléchi. La fréquence instantanée, pondérée pour limiter les instabilités
dues à sa sensibilité au bruit, permet d'étudier les variations latérales de faciès.
39
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

f(t)

Cl)
Q)
(.)
c
Q)
::l
0"
•Q)
s....
u..

Temps
~ larg. de bande inst.
- fréq. inst.

FIG. 2.5 - Étude de la fréquence instantanée.


{A} Relation entre fréquence instantanée et spectre d'un signal sismique. La figure représente
au moyen des courbes de niveau la variation des amplitudes des fréquences du signal au cours
du temps, c'est à dire son spectrogramme. La fréquence instantanée (ligne épaisse grise), la fré-
quence instantanée plus la largeur de bande instantanée (ligne noire continue supérieure) et la
fréquence instantanée moins la largeur de bande instantanée (ligne noire continue inférieure) ont
été superposées sur l'image. La fréquence instantanée est à peu près égale à la fréquence centrale
du spectre tandis que la largeur de bande instantanée (double flèche) est à peu près égale à la
largeur de bande du signal (Figure tirée de {Barnes, 1993b}).
{B} Comportement de la trace complexe dans le cas des fréquences instantanées négatives. Les
points représentent la trace complexe calculée à intervalle de temps constant. La phase instan-
tanée cp est l'angle de rotation de la trace complexe. Localement (rectangle noir), la trace a une
forme cardioïde et le sens de la phase s'inverse. Sa dérivée, c'est-à-dire la fréquence instantanée,
devient négative.

La fréquence instantanée

La fréquence instantanée w est la dérivée de la phase

dcp( t) f(t) . f'(t)- f'(t). !(t)


V t E IR, w(t) (2.12)
dt e2 (t)

La fréquence instantanée est une mesure de fréquence et s'exprime en Hertz. Nous


l'avons représentée au moyen de l'échelle de couleur spécifique proposée par Taner et
Sheriff [Taner et Sheriff, 1977]. Des basses aux hautes fréquences, l'échelle passe graduel-
lement du rouge au jaune, puis vert et finalement au bleu (Figure 2.4-D). La fréquence
instantanée ne doit pas être confondue avec les fréquences obtenues par la transformée de
Fourier. Elle peut, par exemple, prendre des valeurs négatives. Barnes [Barnes, 1993b]la
relie cependant empiriquement à la fréquence centrale du spectre du signal (Figure 2.5-A).
Le signal d'un réflecteur visible sur l'image sismique est le plus souvent un signal
complexe, issu de la superposition d'un ensemble de signaux simples, mais réfléchis sur
des interfaces proches. Le spectre des fréquences - et donc indirectement la fréquence

40
2. 2. Les attributs instantanés

instantanée - est sensible aux variations de chacune de ces réflexions élémentaires. Taner
et al [Taner et al., 1979] font ainsi de la fréquence instantanée un bon indicateur des
variations latérales de faciès, comme celles induites par les chenaux (Figure 2.6). Pour
leur part, Robertson et Nogami [Robertson et Nogami, 1984] utilisent les anomalies de
ses variations pour détecter les couches stratigraphiques trop fines pour être résolues
par les ondes sismiques. Enfin, Taner [Taner, 2000] explique les valeurs négatives de cet
attribut par l'interférence d'ondes réfléchies par des interfaces très proches. Dans ce cas,
la trace complexe a une forme cardioïde (Figure 2.5-B).
La fréquence instantanée peut être utilisée pour la détection d'hydrocarbures. En ef-
fet, ces derniers absorbent généralement plus les hautes fréquenèes des ondes sismiques
que leur contenant. En conséquence, la fréquence centrale du spectre du signal, et donc
la fréquence instantanée, diminuent après le passage par le réservoir [Barnes, 1993b].
Les hydrocarbures sont donc signalés sur les sections verticales de fréquence instanta-
née par une ombre de basse fréquence juste en dessous des couches qui les contiennent
[Taner et al., 1979] (Figure 2.7). D'une façon plus générale, la fréquence instantanée est
aussi utilisée pour estimer l'atténuation des ondes sismiques dans le sous-sol
[Chen et Sidney, 1997].
La fréquence instantanée est calculée au moyen d'une dérivée, elle est donc sensible
au bruit. De plus, comme elle est inversement proportionnelle au carré de l'amplitude
instantanée (Équation 2.12), elle devient instable pour les faibles valeurs de cet attribut.
Quand l'amplitude instantanée s'approche de 0, la fréquence instantanée devient infinie
(Figure 2.3). Plusieurs variantes de calcul ont été proposées pour atténuer cet effet. Taner
et Sheriff [Taner et Sheriff, 1977] suggèrent notamment de pondérer la fréquence instan-
tanée par l'amplitude instantanée sur une période T

V t E ffi., Ww(t)
I:J=o e(t + j) · w(t + j) (2.13)
I:J=o e(t + j)
Pour ce calcul, il est généralement nécessaire de prendre un pas d'échantillonnage inférieur
à celui de la trace sismique.
Les Figures 2.3 et 2.4-D permettent de comparer la fréquence instantanée sans et avec
pondération. Les instabilités disparaissent effectivement dans le second cas. Dans certains
cas, l'important n'est donc pas de calculer l'attribut le plus exactement possible, mais
l'attribut le plus clair, le plus facilement utilisable.

Autres attributs instantanées

Ils existent de nombreux autres attributs instantanés, en général issus de combinaisons,


dérivations, pondérations des trois précédents. Comme ils sont beaucoup moins utilisés et
souvent beaucoup plus difficiles à interpréter, nous ne présenterons qu'un nombre limité
d'entre eux 12 .
12
Pour un aperçu global des attributs instantanés, se référer à [Chen et Sidney, 1997] et [Taner, 2000].

41
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

FIG. 2.6 - Détection d'un chenal au moyen de la fréquence instantanée :


{A} coupe temps d'un cube sismique; {B} même coupe mais avec la fréquence instantanée. Sur
cette deuxième section, un chenal apparaît clairement au centre en bleu (fréquence élevée).

FIG. 2.7 - Exemple de détection d'un réservoir d'hydrocarbure au moyen de la fréquence


instantanée :
{A} section verticale de l'amplitude instantanée d'un cube sismique présentant trois bright spots
en rouge; {B} même section, mais avec la fréquence instantanée. La fréquence instantanée tend
à diminuer sous les trois réservoirs (en rouge orange) . Cela n'aurait pas été le cas si les bright
spots ne contenaient pas d'hydrocarbures (Figure tirée de {Taner et al., 1979}).

L'accélération instantanée 1(t) est la dérivée seconde de la phase instantanée, c'est-à-


dire la dérivée de la fréquence instantanée. Sa formule est la suivante

~~ e 2~t) · { f(t) · ]"(t)


2
V t E IR, r(t) = d dt;t) = = - ](t) · f"(t) - w(t) · (e2 (t))'}
(2.14)
Elle peut être utilisée pour déterminer les limites des ombres de basse fréquence associées
à la présence d 'hydrocarbures [Chen et Sidney, 1997].
La largeur de bande instantanée O" est définie par Barnes [Barnes, 1993a] comme la
valeur absolue de la dérivée du logarithme de l'enveloppe

V t E IR, e'(t) 1 (2.15)


Œ(t) = 2n e(t)
1

Cet attribut est utilisé comme approximation de la largeur de bande du spectre du signal
(Figure 2.5-A) . Il est exprimé en hertz ou décibel par seconde. Il est totalement indé-

42
2.2. Les attributs instantanés

pendant de la fréquence instantanée et permet de visualiser les effets d'absorptions des


fréquences par les roches. Comme la fréquence, il est conseillé de lisser l'attribut en le
moyennant sur une petite fenêtre verticale [Barnes, 2000].
Le facteur de qualité instantané q, également défini par Barnes, est égal à

1r w(t)
'ï/ t E IR, q(t) - (2.16)
- 2 decay(t)

avec la fonction decay qui est identique à la fonction CJ mais sans la valeur absolue. Cet
attribut est une approximation du facteur de qualité du signal sismique. Il permet de
quantifier le degré d'absorption de l'onde sismique au fur et à mesure de sa traversée des
couches géologiques.

2.2.5 Les attributs de réponse


Les attributs de réponse sont identiques aux attributs instantanés mais uniquement calcu-
lés au maximum de l'enveloppe du signal analytique. Bodine [Bodine, 1984]1es a introduits
en comparant des attributs instantanés calculés à tout instant sur une même ondelette
subissant un déphasage progressif de 0 à 1r radians. Il constate alors que la phase de l'onde-
lette est égale à la phase instantanée calculée au pic de l'enveloppe. De plus, la fréquence
moyenne du spectre de l'ondelette est identique à la fréquence instantanée également à ce
point particulier du signal. Au maximum de l'enveloppe, les énergies d'une majorité des
fréquences du signal sont en phase. Bodine suppose donc que les caractéristiques instan-
tanées calculées à cet instant sont assez proches des caractéristiques moyennes de l'onde
sismique. Il est alors possible de faire un lien entre les attributs instantanés et les « at-
tributs » du domaine des fréquences obtenus par la transformée de Fourier. Par la suite,
Barnes [Barnes, 1991] a étendu ces résultats à toute ondelette de phase constante.
Les attributs de réponse, également appelés attributs principaux ou attributs d'on-
delette, sont constants entre deux minimums de l'enveloppe. Ils prennent la valeur du
maximum d'enveloppe trouvé sur cet intervalle de temps (Figure 2.8). Leur calcul de-
mande donc de trouver les positions des minima et maxima de la fonction e. Dans le cas
d'un calcul discret, le pas d'échantillonnage est généralement trop important pour que les
calculs soient corrects. Il est donc nécessaire de recourir à une interpolation locale - le
plus souvent quadratique - de la fonction. Dans le cas des polynômes trigonométriques,
la recherche est plus exacte, puisque le signal est connu de façon continue.
Les attributs de réponse les plus utilisés sont les suivants [Taner, 2000] :
- la phase de réponse (Figure 2.10-C);
- la fréquence de réponse (Figure 2.10-D);
- la polarité apparente pol, définit de la façon suivante [Taner et Sheriff, 1977]

'ï/ t E IR, pol(t) = signe(f(temax)) · e(t) (2.17)

avec temax instant le plus proche de t où l'enveloppe e est maximum et tel que
l'intervalle [t- temaxl ne passe pas par un minimum de e (Figure 2.9). Si les données
sont peu bruitées et zéro-phasées, cet attribut est lié au signe, c'est-à-dire à la

43
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

15

enveloppe
(amplitude inst.)
10 jt

3.14

12 18 20

·5 'signal
interpolé

·10

- FrG-:-2.8--=--Pnase et- fréquence âe réponse â'un signals iSrrüque interpol€. Les attnbuts âe
réponse sont identiques aux attributs instantanés mais sont calculés au maximum de l'enve-
loppe. Ils sont représentatifs des caractéristiques de la transformée de Fourier de l'onde sismique.

enveloppe
J/ (amplitude inst.)
3.14
3

0
12

·1

·2 ~ phase de
réponse
-3
·3.14

-4

·5

FIG . 2.9 - Polarité apparente d'un signal sismique. Comme le montre la phase de réponse
presque nulle au centre du signal, le signal est presque zéro phase. La polarité apparente est
égale au signe de la trace au pic de l'enveloppe multiplié par l'enveloppe. Elle est liée, dans
certaines conditions, au signe du coefficient de réflexion. (Pour plus de clarté, la courbe de
l'enveloppe a été légèrement décalée vers le haut).

44
2.2. Les attributs instantanés

FIG. 2.10- Attributs de réponse sur la même section que la Figure 2.4 : [A} sismique initiale,
{B} polarité apparente, [C} phase de réponse et {D} fréquence de réponse. Les attributs de réponse
sont calculés au pic de l'enveloppe, c'est-à-dire au maximum d'énergie du signal.

polarité, du coefficient de réflexion des interfaces qui réfléchissent les ondes (cf.
chapitre 1.1.1) . Cependant , dans le cas d 'interfaces rapprochées, les ondes réfléchies
sur chacune des interfaces interfèrent entre elles et le lien s'atténue. La polarité
apparente est habituellement représentée en magenta pour les polarités négatives,
en bleu pour les positives et utilisée avec l'amplitude instantanée (Figure 2.10-B) .

2.2.6 Comparaison des différentes méthodes de calcul


Nous avons pu comparer notre calcul des attributs instantanés avec d 'autres méthodes
disponibles sur le marché :

45
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

- le logiciel commercial Attrib3D de la compagnie Rock Solid Image a été développé


sous la direction de Taner ;
- le logiciel libre Sunix de l'école des mines du Colorado.
Les deux logiciels calculent la transformée de Hilbert au moyen de la Transformée de
Fourier, mais avec des implémentations différentes. Pour des raisons techniques, les tests
ont été menés sur deux jeux de données réels différents échantillonnés avec un pas de 4ms :
le cube A, de qualité moyenne, est constitué de 10 millions de cellules, et le cube B, de
bonne qualité, est constitué 12 millions de cellules.

Logiciel Trans. Hilbert Enveloppe Phase Fréquence Cube


Attrib3D 0.98 0.95 0.90 0.80 A
Sun ix 0.99 0.99 0.92 0.73 B

TAB. 2.1 - Coefficients de corrélation entre les principaux attributs instantanés calculés avec
les polynômes trigonométriques et avec des logiciels du marché.

Les résultats sont présentés dans le Tableau 2.1. Les temps de calculs sont sensible-
ment les mêmes pour tous les logiciels (de l'ordre de la minute pour chacun des cubes).
Transformée de Hilbert, enveloppe et phase instantanée sont quasiment identiques. La fré-
quence est plus difficile à comparer car les instabilités perturbent la corrélation. Il a donc
fallu faire des corrections pour ne pas les prendre en compte, ce qui augmente l'incertitude
sur les résultats.
L'intérêt de l'approche par les polynômes trigonométriques réside cependant :
- dans la simplicité des formulation, qui permettent également un calcul simultané
des différentes composantes des attributs - signal, transformée de Hilbert et leurs
dérivées-;
- dans la formulation analytique, qui permet de calculer les valeurs de n'importe quel
attribut à tout instant du signal. Cette approche présente notamment un intérêt dans
le calcul des attributs pondérés, qui nécessitent de connaître la trace complexe à un
pas d'échantillonnage inférieur à celui de la trace sismique. Comme nous le verrons
dans le chapitre 4, elle peut également être utilisée dans le calcul de certaines cartes
d'attributs.

2.2. 7 Commentaire sur l'utilisation des attributs instantanés


Comme le montre le chapitre 2.2.4, il est facile de combiner les attributs, mais beaucoup
moins de leur trouver une explication physique et encore moins de les relier à une in-
formation géologique. Leur sensibilité importante au bruit, due aux diverses dérivations,
ne fait qu'accentuer ce problème. L'utilisation des attributs instantanés pour quantifier
une propriété des couches du sous-sol - atténuation des ondes par exemple - ne fait
donc pas l'unanimité parmi les spécialistes. Plusieurs auteurs [White, 1991] [Bodine, 1984]
conseillent de n'utiliser ces attributs que de façon quantitative, lorsque c'est possible, ou
bien pour décrire la forme des traces sismiques.

46
2. 3. Les attributs géométriques

D'autres attributs, non instantanés, peuvent être utilisés pour analyser le signal sis-
mique. Ils sont cependant généralement moins aisés à utiliser lors d'une analyse globale
des données. Il est possible, par exemple, de calculer la transformée de Fourier de toutes
les traces d'une section sismique pour en étudier les variations de fréquence. Néanmoins,
une analyse simultanée de l'ensemble des spectrogrammes obtenus pour toutes les traces
sismiques se révèle rapidement problématique. La fréquence instantanée, en donnant une
valeur moyenne de ces paramètres complexes, permet immédiatement de repérer les va-
riations latérales et verticales des propriétés du signal.
L'étape suivante a donc été la comparaison automatique des propriétés des traces
voisines. Elle a pu se développer grâce à la progression des puissances de calcul des ordi-
nateurs, et apporter de nouvelles informations d'ordre géométrique.

2.3 Les attributs géométriques


Les attributs géométriques ont essentiellement pour objectif de mettre en évidence la
géologie structurale du sous-sol. Ils sont apparus pour la sismique 2D dans les années
1980 [Voosler, 1989], mais se sont véritablement développés avec la sismique 3D dans le
milieu des années 1990 : détection des failles [Bahorich et Farmer, 1995], caractérisation
de la géométrie des couches stratigraphiques [Randen et al., 1998].
Les attributs de base que nous verrons dans ce chapitre sont le pendage des hori-
zons sismiques, leur courbure, et leur similarité. Ils peuvent, tout comme les attributs
instantanés, être combinés pour donner de nouveaux attributs. Leurs modes de calculs
sont cependant très différents et les algorithmes souvent assez lourds. Les attributs géo-
métriques se calculent généralement sur un groupe de traces sismiques voisines, dans une
fenêtre d'analyse 2D ou 3D centrée sur le point où l'attribut est recherché (Figure 2.11).
L'approche unifiée que nous présentons ici, toujours basée sur les polynômes trigonomé-
triques, permet de limiter le nombre d'opérations à effectuer tout en donnant un résultat
précis.

2.3.1 Les attributs de pendage


Les attributs de pendage ont pour objectif de quantifier l'orientation des horizons sis-
miques directement à partir du cube sismique et sans étape de pointé. Ils ont une grande
importance car ils sont à la base du calcul de plusieurs autres attributs comme la courbure
ou la semblance qui seront abordées dans les chapitres suivants.

Définition

Considérons un point d'un cube sismique par lequel passe un horizon sismique. Cet ho-
rizon peut être assimilé localement à un plan, dont l'orientation dans l'espace peut être
caractérisée :
- soit par le vecteur normal au plan ;

47
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

signal
sismique

FIG. 2.11- Fenêtre de calcul pour les attributs géométriques. L'attribut calculé au point P d'un
cube sismique nécessite de connaître les valeurs du signal sur un groupe de traces directement
voisines de ce point. En général, lx et ly sont identiques, et égaux à 3. L'attribut est souvent
calculé au moyen de 9 traces sismiques. La hauteur h sur laquelle les traces sont considérées est
variable, mais identique pour toutes les traces de la fenêtre.

- soit par un système d'angles. En deux dimensions, le système n'est composé que de
l'angle signé de pendage, c'est-à-dire l'angle entre la droite représentant le plan et
l'horizontale. En trois dimensions, il faut deux angles :
- l'angle de pendage qui est cette fois l'angle entre l'horizontale et la ligne de plus
grande pente du plan, non signé,
- l'angle d'azimut, qui est l'angle entre un plan vertical passant par une horizontale
du plan perpendiculaire à la ligne de plus grande pente et un plan vertical aligné
sur la direction Nord-Sud.
Un calcul en deux dimensions donnera le pendage apparent des horizons sur la section
considérée; en trois dimensions, ce sera le pendage « réel». Si l'axe vertical du cube
sismique est le temps, le pendage est donné en millisecondes par mètres.

Problème de l'aliasing

À cause de la nature discrète des données sismiques, et quelque soit la méthode de


calcul utilisée, il existe toujours une limite intrinsèque au calcul du pendage. Un aliasing
apparaît quand la densité des traces sismiques est trop faible par rapport au pendage des
horizons (Figure 2.12). Si a est l'écart entre deux traces sismiques consécutives le long
d'un axe horizontal donné, et ftmax la fréquence temporelle la plus élevée du signal, alors
le pendage maximum calculable "fmax est
1
"fmax :S (2.18)
2a ftmax

48
2. 3. Les attributs géométriques

FIG. 2.12 ~Calcul du pendage et aliasing:


{A] densité suffisante de traces sismiques pour calculer le pendage en P ;
{B] aliasing: le manque de données est à l'origine d'un ambiguïté importante sur le pendage réel
des horizons en P.

Pendage obtenu à partir d'horizons pointés

Les attributs de pendage sont souvent analysés sur des horizon extraits manuellement ou
automatiquement de la sismique [Dalley et al., 1989] [Rijks et Jauffred, 1991]
[Roberts, 2001]. Il suffit alors d'afficher le pendage de la surface extraite calculé au moyen
d'algorithmes classiques. Cela ne répond cependant pas à notre objectif, qui est de s'af-
franchir du pointé.

Pendage obtenu à partir de la similarité

La solution la plus simple pour calculer le pendage des horizons sismiques revient à ap-
pliquer sur des signaux discrets la méthode décrite au chapitre 1.3.2. Elle consiste à décaler
progressivement deux traces voisines en calculant leur corrélation. Le décalage donnant
le maximum de corrélation correspond au pendage des horizons sismiques traversant les
deux traces.
Pour obtenir un attribut de pendage plus lisse, il vaut mieux effectuer le calcul sur
un groupe de trace et moyenner le résultat. Marfurt et al [Marfurt et al., 1998] et Taner
[Taner, 2000] proposent donc une solution basée sur l'attribut de similarité qui sera dé-
veloppée au chapitre 2.3.3. Cet attribut calcule le degré de ressemblance d'un groupe de
traces sismiques voisines le long d'un pendage donné. Comme précédemment, le pendage
pour lequel l'attribut a la valeur la plus élevée est une bonne approximation du pendage
local des horizons traversant le groupe de traces (Figure 2.13-A). La méthode se base elle

49
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

aussi sur des données discrètes. Malheureusement, l'échantillonnage de la sismique n'est


généralement pas assez fin pour permettre un calcul précis du pendage. Marfurt propose
donc de recourir à une interpolation parabolique locale pour affiner le résultat. Cette
solution alourdit cependant beaucoup la méthode, déjà très coûteuse en calculs.

Pendage obtenu par les attributs instantanés

Une deuxième solution est basée sur l'extrapolation en 2 ou 3D des attributs instantanés.
Le signal sismique n'est plus dans ce cas la juxtaposition de signaux unidimensionnels,
mais l'ensemble du cube est considéré comme un seul signal bi ou tridimensionnel. Or,
nous avons vu au chapitre 2.2.4 que les horizons sont des événements sismiques de phase
instantanée constante. Le calcul des directions de variations de la phase 2D ou 3D permet
donc de connaître le pendage des horizons sismiques. Cette idée a été proposée par Scheuer
et Oldenburg [Scheuer et Oldenburg, 1988] pour calculer la vitesse des ondes sismiques sur
des sections 2D.
Les variations de la phase sont calculées au moyen de sa dérivée, c'est-à-dire la fré-
quence instantanée w13 . En 2D, celle-ci se décompose en une fréquence temporelle Wt,
celle que nous avons étudié au chapitre 2.2.4, et en une fréquence horizontale Wx (Fi-
gure 2.13-B). Le pendage 1 est obtenu au moyen de ces fréquences de la façon suivante
[Barnes, 1996] :

1 = - arctan ( ::) (2.19)

En trois dimensions, le pendage 1 et l'azimut ( sont calculés au moyen des trois


composantes de la fréquence [Barnes, 1996] :

arctan (v lwtl2+
Wx Wy 2) (2.20)

arctan ( ::) + 1r (2.21)

O'Doherty et Taner [O'Doherty et Taner, 1992] utilisent une approche presque iden-
tique mais utilisant également la fonction d'autocorrélation du signal. Ils arrivent ainsi à
s'affranchir du problème de la trop faible résolution de la grille sismique.
Barnes [Barnes, 1996] distingue deux méthodes de calcul de pendage au moyen des
attributs instantanés :
- Le pendage de phase est obtenue au moyen de la dérivée de la phase instantanée,
c'est-à-dire la fréquence instantanée. Il donne le pendage d'événements de phase
constante (Figure 2.13-B);
- Le pendage d'amplitude, calculé au moyen de la dérivée du logarithme de l'ampli-
tude instantanée, c'est-à-dire la largeur de bande instantanée. Il donne le pendage
d'événements d'enveloppe constante.
13 Pour un détail des formules des attributs instantanés 2 et 3D, voir [Barnes, 1996].

50
2. 3. Les attributs géométriques

m-I
t

FIG. 2.13- Calcul du pendage et de l'azimut des réflecteurs sismiques sur un signal sinusoïdal
simple.
[A} Au moyen du maximum de similarité. Les portions de traces comprises dans la fenêtre S 0
centrée sur P se ressemblent peu. En transformant progressivement la fenêtre rectangulaire en
un parallélogramme toujours centré sur P, la corrélation entre les traces s'améliore. Le maximum
de similarité est obtenu pour la fenêtre S"~ qui donne également le pendage 1 des réflecteurs en
P.
[B} Au moyen de la fréquence instantanée bidimensionnelle w. Ces composantes sont wx, fré-
quence instantanée horizontale, et Wt fréquence instantanée temporelle. Leurs inverses sont res-
pectivement la période horizontale et la période temporelle. L'inverse de w donne la période
minimum entre deux pics successifs du signal (d'après {Barnes, 1996}).
[C} En trois dimensions, l'orientation d'un plan 12 approximant un horizon sismique peut se
calculer au moyen des trois fréquences instantanées spatiales, Wx selon les inlines et wy selon les
crosslines, et temporelles Wt. Elles permettent de calculer les valeurs du pendage 1 et de 1'azimut
Ç (d'après [Barnes, 1996}).
51
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

Les deux approches donnent le plus souvent des résultats équivalents pour les signaux
sismiques. Barnes recommande cependant d'utiliser la première, car les horizons sismiques
sont toujours mieux caractérisés par une phase constante que par une amplitude constante.
Nous avons également vu dans les chapitres précédents que la fréquence et la largeur
de bande instantanées présentent de nombreuses instabilités qui peuvent nuire au calcul
du pendage. Barnes [Barnes, 2000] conseille donc d'utiliser les attributs pondérés plutôt
que bruts pour obtenir de meilleurs résultats.

Pendage obtenu par les polynômes trigonométriques

Comme nous l'avons vu au chapitre 1.3.2, la fonction de corrélation de deux polynômes


trigonométriques permet de calculer précisément le décalage optimal entre deux portions
de traces sismiques. Cette information nous donne directement le pendage des horizons
entre deux portions de trace sismique. Cependant, comme pour les méthodes précédentes,
il est préférable d'appuyer le calcul sur plusieurs traces en même temps. Le pendage moyen
obtenu permet d'éviter des instabilités dues au bruit.
Considérons un groupe den traces g 1 , g2 , ... , gn voisines d'une trace f et supposons que
toutes ces traces passent par un même réflecteur (Figure 2.14-A). Le point P, connu, est
le point de rencontre de f avec le réflecteur. Pour simplifier les formules, nous l'utiliserons
comme origine de notre système de coordonnées. Notre objectif est maintenant de calculer
le pendage 1 du réflecteur en P :
1. Dans un premier temps, tous les décalages optimaux ~ 1 , ~ 2 , ... , ~ n entre f et cha-
cune des traces gi sont calculés. Ces décalages permettent de calculer les positions
P 1 , P 2 , ... , pn du réflecteur en chacune des traces;
2. Si le réflecteur peut être assimilé à un plan parfait et non vertical .C au niveau du
point P, alors il peut être parfaitement caractérisé par les coordonnées (a, b, c) de
.C. Tous les points Q de .C respectent l'équation

V Q(x, y, t) E .C, t=ax+by+c (2.22)

Comme .C passe par l'origine P de notre base, le coefficient c est nul. De plus,
d'après notre hypothèse de départ, tous les points calculés Pi(xi, yi, ~i) respectent
également l'équation 2.22. Nous obtenons donc un système de n équations pour
calculer les coefficients a et b

(2.23)

Sachant que n ~ 3, le système est surdimensionné;


3. Cependant, dans la réalité, le réflecteur n'est généralement pas un plan parfait. Les
n équations ne sont donc pas vérifiées exactement. Une bonne approximation de la

52
2. 3. Les attributs géométriques

g3 f

--------
~4
(----------

f cl
b

FIG. 2.14- Calcul du pendage et de l'azimut des réflecteurs sismiques au moyen des polynômes
trigonométriques.
[A} Chaque trace voisine gi du point considéré P est corrélée avec la trace f au moyen des
polynômes trigonométriques, pour calculer le décalage optimal t::..i entre gi et f. Chaque valeur
t::..i permet de connaître la position des points pi par où passe le réflecteur.
{B} Après résolution du système, l'ensemble de points est approché par un plant:. L'orientation
de ce plan est considérée comme étant l'orientation locale du réflecteur.

53
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

x
t

FIG. 2.15- Relations angulaires entre le vecteur N normal au plan J: et les angles de pendage
1 et d'azimut (. Pour un plan non vertical, l'équation de J: est t = ax + by.

solution peut être obtenue en résolvant le système par les moindres carrés, ce qui
nous donne
(2.24)

Les moindres carrés permettent de minimiser l'écart type a entre la position des
points pi et leurs projetés verticaux sur le plan .C. L'écart type a est donné par :

(2.25)

4. Les coefficients (a, b) du plan nous donnent immédiatement les coordonnées de son
vecteur normal N (Figure 2.14-B)

(2.26)

Le pendage 'Y et l'azimut ( du plan - et du réflecteur - sont alors égaux à (Fi-


gure 2.15)

arctan( v'a 2 + b2 ) (2.27)

( arctan (%) + 1r (2.28)

5. Le processus est ensuite répété en chaque point du cube sismique. Il faut noter que
la matrice H est constante pour l'ensemble du cube, ce qui permet de précalculer la
matrice { (Ht H)- 1 · Ht }.

54
2.3. Les attributs géométriques

Le calcul des décalages f:j.i passe par une fonction de corrélation. Chaque calcul de f:j.i
est donc associé à une valeur de corrélation Ci = C19 i qui quantifie la précision du calcul
sur une échelle de 0 à 1. Pour améliorer la qualité des résultats du pendage, nous avons
essayé de pondérer le calcul du pendage par la matrice des corrélations C définie ainsi
C1 0 0
2
0 C
(2.29)
0
0 0 en
Dans l'équation 2.24, il suffit alors d'effectuer les remplacements suivants
Ht H ----+ Ht C H
Ht V ----+ Ht C V

Les coefficients a et b sont alors obtenus au moyen de l'équation suivante

(2.30)

En fait, seuls les coefficients Ci supérieurs à un seuil donné sont placés dans la matrice de
corrélation. Les autres sont remplacés par des zéros, ce qui permet de ne pas tenir compte
des décalages optimaux obtenus avec de mauvaises corrélations. Cela permet de réduire
l'influence ou d'éliminer du calcul les traces sismiques trop bruitées. Lorsque le nombre de
traces restantes est trop faible ou que l'inversion de la matrice n'est pas possible, le calcul
du pendage est alors considéré comme non significatif car comportant trop d'incertitudes.

Résultats et applications

Les Figures 2.16 A et B montre un exemple de résultats de calcul en 3D des attributs


d'azimut et de pendage. L'affichage simultané du cube sismique permet de vérifier la
qualité des résultats.

Influence de la pondération par les coefficients de corrélation. La Figure 2.17-B


montre une section 2D verticale sur lequel le pendage a été calculé au moyen de l'équa-
tion 2.24, c'est-à-dire sans pondération par les coefficients de corrélation. Même si le
résultat est de bonne qualité quand la sismique a un rapport signal sur bruit acceptable,
il faut cependant noter que, localement, le pendage est parfois légèrement sous-estimé.
Par exemple, à droite de la Figure 2.17-A, les horizons sont globalement bien parallèles.
Le résultat théorique de l'attribut de pendage montré sur la Figure 2.17-B devrait donc
être une suite de bandes de couleur verticales. Ce n'est cependant pas tout à fait le cas
et des lignes longeant certains horizons sismiques apparaissent. Ces légers artefacts sont
dus à des variations localisées dans le parallélisme des couches ou à des petits bruits. La
Figure 2.17-C montre le même attribut calculé cette fois au moyen de l'équation 2.30,
en utilisant les coefficients de pondération. Elle permet de montrer les avantages de cette
approche:

55
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

o ··~t!:==:~-= 50 ·5.10 3 c=:::~~~~~5.10 3 ·180 •••~::=: :~··· 180


pendage sismig..:::
u..:::
e_ _ _ _ _ _ _____,a,z'"-'i_,m
_,__,_u,:_:t_ _ _ __

FIG. 2.16 - Exemple de pendage [A} et d'azimut [B} sur des données sismiques 3D. L'ampli-
tude sismique est visualisée simultanément en contrôlant l'intensité des pixels. Les taches noires
correspondent aux zones trop bruitées pour que le calcul soit possible.

- un certain nombre d'artefacts disparaissent;


- les zones de bruit et de trop grande incertitude sont signalées par une couleur spé-
cifique - ici en noir. Elles suivent généralement les failles ou les zones de bruit.

Influence de l'amplitude par rapport à la phase. Dans l'approche présentée ici,


nous utilisons à la fois les informations de phase et d'enveloppe contenues dans le signal.
Cela nous semble une meilleure solution que l'utilisation de la phase seule, car les risques
de sauts verticaux, d'un horizon à un autre, sont beaucoup plus limités que lorsque la
phase seule est utilisée. Même si un horizon n'est pas toujours d'amplitude constante,
les variations ne sont généralement pas brutales d'une trace à une autre. Si pour une
raison particulière, il vaut mieux s'affranchir de l'enveloppe, comme dans la méthode
par les fréquences instantanées, il suffit simplement d'effectuer le calcul sur l'amplitude
normalisée (cf. chapitre 2.2.4). Les résultats sont cependant généralement moins bons dans
ce cas, car les corrélations sont plus faibles (Figure 2.18).

Influence de la taille de la fenêtre de calcul. Le calcul de la corrélation entre


deux polynômes trigonométriques se fait en prenant en considération l'ensemble de la
portion de trace sismique interpolé par les polynômes. Le calcul de pendage ne se fait
donc pas en considérant uniquement l'horizon au centre de la fenêtre d'analyse, mais la

56
2. 3. Les attributs géométriques

FIG. 2.17 - Influence de la pondération par les coefficients de corrélation lors du calcul du
pendage par les polynômes trigonométriques. {A} Coupe verticale d'un cube sismique;
[B} Pendage apparent sur la même section calculé sans pondération;
{C} Pendage apparent sur la même section calculé avec pondération.
_ _ _.ua_pondération_perme_Lde supprimer de nombreux artefacts - les taches bleues dans la zone
orange et verte, par exemple - dans la zone cohérente de droite. Par ailleurs, dans la zone de
bruit au centre, elle permet de détecter les endroits, représentées en noirs ici, où l'incertitude
sur la position des horizons est trop importante pour que le calcul de pendage soit significatif

FIG. 2.18 - Influence de l'amplitude lors du calcul du pendage :


[A} Section verticale de l'attribut de pendage calculé à partir de l'amplitude sismique;
[B} Même section que précédemment mais présentant l'attribut de pendage calculé sur l'am-
plitude normalisée. Le résultat est quasiment identique, mais le nombre de points noirs, où le
pendage n'est pas calculable, augmente considérablement. La corrélation moyenne des traces
sismiques est donc moins bonne.

57
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

série d'horizons traversant cette fenêtre. En général, les horizons successifs le long d'une
trace sont parallèles. Notre méthode de calcul est donc basée sur la corrélation d'une
série d'horizons parallèles entre deux traces sismiques voisines. Il ne faut donc pas choisir
une fenêtre d'analyse trop haute pour que l'hypothèse du parallélisme soit vérifiée. Il
faut cependant que cette fenêtre soit suffisamment grande pour prendre en compte le
pendage maximum possible rencontré dans le cube. Horizontalement, nous avons constaté
que de bons résultats étaient obtenus avec une fenêtre de 9 traces, c'est-à-dire en prenant
en compte toutes les traces directement adjacentes à la trace sur laquelle le calcul est
effectué. En augmentant le nombre de traces voisines prises en compte pour le calcul,
il est en revanche possible de lisser les résultats, car les coefficients du plan de pendage
sont calculés sur un plus grand nombre de points et sur une surface plus importante
(Figure 2.19).

Comparaison avec d'autres méthodes. Nous avons mis en parallèle notre méthode
de calcul du pendage basé sur les polynômes trigonométriques avec l'attribut, basé sur la
recherche du maximum de semblance, du logiciel d'interprétation GeoProbe de la société
Landmark. La Figure 2.20 permet de comparer les deux attributs de pendage calculés
avec les même paramètres sur la même section. Les résultats se ressemblent beaucoup,
et les artefacts suivant les horizons sismiques se retrouvent sur l'attribut de GeoProbe.
Notre attribut est cependant beaucoup moins sensible au bruit. De plus, il indique quand
il n'est pas en mesure de donner le pendage, contrairement à l'autre attribut qui donne
des valeurs aléatoires.

Détection des failles. Les attributs de pendage peuvent être utilisés pour détecter les
failles. En traversant les horizons, celles-ci affectent leur géométrie. Les failles verticales se
signalent donc sur les cartes d'attributs ou les sections temps par de fortes variations de
pendage (Figure 2.22). Les cartes de pendage sont donc souvent utilisées pour détecter les
failles [Sigismondi et Soldo, 2003] (Figure 2.19). L'angle de pendage et l'angle d'azimut
ne donnent pas les mêmes résultats selon l'orientation de la faille par rapport à l'horizon
[Rijks et Jauffred, 1991]. Plus le pendage ou l'azimut de la faille se rapprochent de ceux de
l'horizon, moins l'attribut correspondant sera à même de détecter les failles. De plus, plus
le pendage des horizons est faible, plus grande est l'incertitude sur le calcul de l'azimut.
Pour améliorer la qualité de la détection, nous avons calculé directement la variance
horizontale a 2 du pendage d'après la formule 2.25. La Figure 2.21 montre un exemple de
cet attribut qui marque très bien les failles.

2.3.2 Les attributs de courbure


La courbure d'une courbe est une mesure permettant de quantifier la façon dont cette
courbe s'éloigne d'une ligne droite. Ce concept ancien peut être également utilisé pour
caractériser une surface. Sensible au bruit et lourd à calculer, il n'est utilisé que depuis
les années 2000 pour caractériser les horizons sismiques.

58
2.3. Les attributs géométriques

FIG. 2.19 - Attributs de pendage sur une coupe temps d'un cube sismique : [A] Amplitude
sismique, [B] pendage, [C} azimut. {B] et {CJ sont calculés avec une fenêtre horizontale de 9 traces
voisines, [B'] et {C'} avec fenêtre de 25 traces. La section est composée, juste au niveau de son
bord gauche, d'un dôme de sel, dont la remontée a été à l'origine d'une série de failles visibles
sur les attributs. Elles apparaissent sous formes de lignes vertes et rouges sur le pendage, bleues
sur l'azimut. Par ailleurs, l'augmentation de la taille de la fenêtre horizontale permet un lissage
des deux attributs.
59
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

FIG. 2.20 - Comparaison de l'a_ ttrib.ut- de-pemlage-avec-les-ré-guJtatSâUlogJclel GeoProbe :


- - -[A] section sismique verticale; [B] attribut de pendage calculé sur la même section peinte avec le
logiciel GeoProbe; {C] attribut de pendage calculé au moyen des polynômes trigonométriques.

FIG. 2.21 - Sur la même coupe temps que pour la Figure 2.19 : [A] attribut de pendage et
[B] attribut de variance horizontale du pendage.

60
2. 3. Les attributs géométriques

,1~ tt
H
t t ~~,','
)'s.
N
_H_.__..__""""I!,;z, :!'>.,
,~
H

,~ <>"-
~

FIG. 2.22 - Variation du pendage d'un horizon sismique H au voisinage d'une faille F :
{A} cas d'un simple saut vertical, l'orientation des normales N varie progressivement;
[B} cas d'une zone de bruit, les normales N ont localement une orientation aléatoire.

Définitions

Considérons, sur la Figure 2.23-A, la courbe C plongée dans un espace à deux dimensions.
En un point P donné de cette courbe, il est possible de faire passer un cercle K particulier,
tel que ce cercle partage une tangente T commune avec C en P. Ce cercle est appelé cercle
osculateur, et la courbure de C au niveau du point Pest définie comme l'inverse du rayon
de ce cercle [Mallet, 2002]. Il est possible de définir une polarité relative à l'orientation
de la normale N à la courbe. Quand le centre du cercle K est du côté opposé à N par
rapport à la courbe, la courbure est négative. Dans le cas inverse, la courbure est positive.
Si la courbe est une ligne droite, alors la courbure est nulle.
En trois dimensions, l'intersection d'une surface S avec un plan quelconque décrit
elle-même une courbe. Il est alors possible de calculer la courbure de cette courbe pour
caractériser la courbure de la surface. Cependant, en un point P donné de la surface S
passe une infinité de plans coupant S. En conséquence, il est possible d'y calculer une
infinité de courbures. Les courbures les plus utilisées sont les courbures normales, définies
par les plans orthogonaux à la surface (Figure 2.23-B, [Roberts, 2001]) :
la courbure normale la plus élevée en valeur absolue est appelée courbure maximale
Kmax· Celle qui lui est perpendiculaire est appelée courbure minimale Kmin· Les
courbures maximales et minimales constituent les courbures principales;
la moyenne de toutes paires de courbures normales orthogonales {K1 , K 2 } est constante
et est appelée courbure moyenne H

H =
Kmax + Kmin (2.31)
2

la courbure gaussienne K, ou courbure totale, est le produit des courbures principales

K = Kmin Kmax (2.32)


La courbure gaussienne d'une surface reste constante lorsque la surface est plissée,
sans être déchirée ni étirée. Si la courbure gaussienne est nulle, la surface est dite
développable et a une géométrie plane ou en cylindre. La surface peut alors être mise

61
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

z courbure . courbure . courbure


nulle positive négative

1
1 " R
1
1
\ c
\

' ' ......... __ ..... ;

1(
~------------------------~x

r+--------------------------~x

;
,s
p2.; ;"'
... 4f
- w2

FIG. 2.23 - Définition et calcul de la courbure en un point P.


[A} En 2D, la courbure d'une courbe C est égale à l'inverse du rayon R du cercle osculateur K.
Ce cercle possède une tangente T commune à C au niveau du point P.
[B} En 3D, plusieurs courbures permettent de caractériser une surface S. L'intersection deS avec
des plans qui lui sont orthogonaux permet de tracer plusieurs courbes, et donc de définir plusieurs
courbures. Kmin et Kmax sont les courbures normales orthogonales ayant respectivement la plus
petite et la plus grande courbure en valeur absolue. (D'après [Roberts, 2001}).
{C} Représentation géométrique des éléments utilisés pour le calcul des courbures. Les points
P, P 1 , et P 2 appartiennent à l'horizon sismique sur lequel la courbure est calculée. L est le
plan tangent à l'horizon en P et permet de définir un nouveau repère orthogonal (U, V, N). Si
1'horizon est approché en P par une parabole S, alors il existe une relation entre les coordonnées
{ ui, vi} des points pi et les coordonnées wi dans le nouveau repère qui permet de calculer les
différentes courbures de 1'horizon.

à plat sur un plan. Si la courbure gaussienne est négative, la surface a une forme de
selle. Si la courbure gaussienne est positive, la surface est ellipsoïdale.

62
2. 3. Les attributs géométriques

Principe de calcul

Comme pour le pendage, le calcul des courbures d'un horizon sismique nécessite tout
d'abord de connaître la position d'un certain nombre de points de cet horizon. En fait, les
méthodes présentées dans les articles scientifiques ne calculent les courbures qu'à partir
des horizons déjà extraits [Roberts, 2001] [Sigismondi et Soldo, 2003]. Comme la courbure
est très sensible au bruit, en tant que dérivée seconde, cela leur permet de lisser l'horizon
avant le calcul. Pour notre part, en nous basant sur la précision des résultats obtenus par
les polynômes trigonométriques, nous avons tenté de calculer les attributs de courbure
directement sur le cube sismique.
Le calcul des courbures d'un horizon sismique 3D se fait en approchant localement
cet horizon par un paraboloïde hyperbolique. Pour cela, nous nous sommes inspirés de
la méthode proposée par [Mallet, 2002]. Si les attributs de pendage ont déjà été calculés
en un point P de l'horizon, alors l'équation du plan .C tangent en P à cet horizon est
connue (Figure 2.23-C). Il est alors possible de paramétrer localement l'horizon en défi-
nissant deux vecteurs unitaires U et V orthogonaux entre eux et parallèles au plan .C.
Les vecteurs U, V et la normale N au plan forment alors une nouvelle base de l'espace,
orthonormée et ayant pour origine le point P. Cette base, dans laquelle nous allons ef-
fectuer maintenant nos calculs, nous permet de nous affranchir du pendage des horizons
pour calculer correctement la courbure.
Lors du calcul du pendage, au moyen des corrélations des polynômes trigonométriques,
nous avons également obtenu la position précise d'un certain nombre de points pi de
l'horizon. Leurs coordonnées (xi, yi, ti) dans l'espace du cube sismique sont donc connues.
Leurs coordonnées (ui, vi, wi) dans la nouvelle base U, V, N sont alors définies par

U· [PPi]
V piE .C,
{ V· [PPi]
N· [PPi]
(2.33)

avec [P pi] vecteur reliant le point P au point pi. Si l'horizon est approché par une
parabole S, alors les coordonnées wi de chaque point pi s'expriment en fonction des
coordonnées {ui, vi} tels que [Mallet, 2002]

V' = ~ Ht · L·H (2.34)


2

63
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

avec

V' (2.35)

H ... u~
... v
l (2.36)

L luu luv ] avec (2.37)


[ lvu lvv

L est le tenseur de courbure et peut être calculé en développant l'équation 2.34

1 t
V' -H ·L·H
2
1
- [ U V J . [ luu luv ]· [ U ] (2.38)
2 lu v lvv V
1
- { U 2 . luu + 2 UV ·luv + v2. lvv } (2.39)
2

[ ~u 2 uv 1 ' ] · [ luu
-V
2 luv
lv v
j
F

Cette égalité nous donne une relation simple entre les coordonnées des points et les coef-
ficients de L. En la résolvant par les moindres carrés, nous obtenons

(2.40)

Les différentes courbures se déduisent alors de L [Mallet, 2002]

K determinant(L) = luulvv - l~v (2.41)


1 1
H 2 trace(L) = 2 ( luu + lvv ) (2.42)

À partir des équations 2.31 et 2.32, il est alors facile d'établir que

Km-)K~-K9 (2.43)
Km+)K~-K9 (2.44)

64
2. 3. Les attributs géométriques

FIG. 2.24 - Attributs de courbures sur la même coupe temps que sur la Figure 2.19 :
{A} courbure moyenne, {B} courbure gaussienne, {C} courbure minimale, {D} courbure maximale.
Les courbures ont été calculées avec une fen être horizontale de 25 traces. Sur cet exemple, les
courbures moyennes, minimales et maximales marquent clairement les failles radiales partant du
dôme de sel à gauche de l'image.

Résultats et applications

Les Figures 2.24 montrent les différents attributs de courbure sur une même section temps.
Les images sont relativement bruitées, ce qui était attendu, compte tenu de la nature de
ces attributs. Un certain nombre de linéaments parallèles aux axes de la grille sismique
apparaissent. Peut-être sont-ils liés à des traitements antérieurs du cube sismique. D'une
façon générale, les attributs de courbure marquent assez bien les failles. En effet, ces
dernières correspondent soit à un décalage important de l'horizon, soit à une zone de
bruit, ce qui se traduit par des variations locales de la courbure des horizons (Figure
2.25).

65
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

Œl 1
• F 11
1
llil 1
, F
1 _....
1
1

~
H 1
l'
1
1 H
,:,--Il
H'
1 1 0 .~1
1~
1 1 H SI
1~ -Q',
~

nv
+ +
....
Cl>

(\ ~x
::1
.0
....
::1 x
8

FIG. 2.25 - Détection des failles au moyen de la courbure.


[A} Sur un horizon H extrait de la sismique. La faille F correspond à un saut sur l'horizon. Si
l'horizon est lissé avant le calcul de la courbure (horizon H' ), alors la faille correspond à une
anomalie de courbure négative puis positive (d'après [Roberts, 2001}).
[B} Sur la sismique, la faille F apparaît généralement comme une zone de bruit. La courbure
présente une succession de fortes anomalies positives et négatives.

Roberts [Roberts, 2001] a effectué une comparaison des différentes courbures sur des
horizons extraits de la sismique puis lissés. D'après ses tests, la courbure maximale est la
plus adaptée à la détection des failles. La variation du signe de la courbure sur l'horizon
permet de détecter l'orientation de la faille (Figure 2.25-A) et de les différencier de certains
linéaments visibles sur l'horizon, comme des vallées. Sur les sections qu'il présente, la
courbure minimale est significativement plus petite que la courbure maximale et est plus
sensible au bruit. En conséquence, la courbure moyenne, somme des courbures principales,
est généralement très proche de la courbure maximale. La courbure gaussienne, produit
des courbures principales, est, elle, assez instable. Roberts compare également la détection
des failles par les attributs de pendage et par la courbure. La courbure, contrairement aux
angles de pendage et d'azimut, n'est pas très sensible à l'orientation relative de la faille
par rapport à l'horizon. Sur nos attributs, contrairement aux résultats de Roberts, les
courbures minimales et moyennes marquent les failles aussi bien que la courbure maximale.
La courbure gaussienne reste en revanche moins efficace (Figure 2.24).
Roberts signale par ailleurs l'utilisation par certains auteurs des courbures pour pré-
dire l'intensité de la fracturation à partir de données calibrées. Il souligne néanmoins la
difficulté de cette approche. Les courbures des horizons peuvent, en effet, être liées à
d'autres événements que la fracturation - la sédimentation par exemple les dunes. De
plus, l'importance du bruit dans les données sismiques risque de compromettre la validité
des résultats.

66
2. 3. Les attributs géométriques

2.3.3 Les attributs de similarité


La plupart du temps, un cube sismique est composé en très grande partie d'horizons dont
la signature sur les traces varie peu dans les directions subhorizontales. Les failles, les
dômes de sel ou les chenaux créent des ruptures dans ces événements cohérents. L'idée
des attributs de similarité est donc de quantifier la ressemblance des traces sismiques
voisines pour mettre en valeur ces discontinuités. Faciles à comprendre et efficaces, ces
attributs apparus au milieu des années 1990 sont très utilisés en interprétation sismique.

Similarité et analyse de vitesse des ondes sismiques

Les premiers algorithmes de calcul de similarité ont été développés en sismique pour
l'analyse des vitesses de sommation. L'un des premiers critères de similarité a été la somme
de corrélations entre les traces [Taner et Koehler, 1969]. Nous avons vu aux chapitres 1.3.2
et 2.3.1 que la recherche de la corrélation maximum de deux traces permet de calculer
le pendage des réflecteurs sismiques. Avec les mêmes notations que précédemment, la
formule de corrélation 1.36 calculée sur des traces sismiques discrètes et sur une fenêtre
verticale de 2n + 1 points devient
i=+n
\:f h E N, 2.:: ti· gi+h (2.45)
j=-n

Contrairement à la formule continue, la précision du calcul de la corrélation et du pendage


est ici limitée par l'échantillonnage des traces.
Taner et Koehler [Taner et Koehler, 1969] ont ensuite introduit la semblance, qui me-
sure la similarité de la puissance d'un nombre donné de signaux sismiques. La puissance
d'un signal sismique se définit comme l'intégrale du signal au carré. La semblance S d'un
groupe de q traces f 0 , ji, · · · , fq est égale au rapport de la puissance de la somme des
traces sur la somme des puissances des traces

(2.46)

La semblance est normalisée et varie entre 0, quand les traces sont très différentes, et 1,
quand les traces sont identiques. Comme pour la corrélation, le pendage pour lequel la
semblance est maximale correspond au pendage des réflecteurs. Plusieurs travaux ont par
la suite porté sur ce concept, toujours sur des données 2D et pour calculer les vitesses
sismiques [Neidell et Taner, 1971] [Douze, 1979].

Les attributs de cohérence

Ce n'est cependant que beaucoup plus tard que ces outils ont été appliqués à l'interpréta-
tion des images sismiques. Bahorich et Farmer [Bahorich et Farmer, 1995], de la société

67
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

Amoco, furent à l'origine d'une véritable révolution en montrant que cette propriété des
signaux, en plus de permettre le calcul de pendage, permettait de faire apparaître très
nettement les failles sur les données sismiques 3D. Leur attribut, baptisé cohérence c1 ,
calcule simplement le maximum de corrélation normalisée entre trois traces f 1 , P, P voi-
sines. Si jl et P sont alignées selon les inlines et jl et P selon les crosslines, l'attribut
c1 est alors égal à [Marfurt et al., 1999]

(2.47)

Bahorich et Farmer tiennent compte de l'orientation des horizons sismiques en cherchant


la valeur c1 maximale pour différents pendages. Le calcul est toujours effectué sur des
données discrètes.
Les laboratoires d'Amoco ont tenté par la suite d'améliorer les résultats obtenus. Ils ont
donc donné naissance à deux autres attributs de cohérence c2 et c3 basés sur la matrice de
r
covariance des traces. Considérons un groupe de q traces sismiques discrètes f 0 ' p' . . . '
connues sur une fenêtre verticale de 2n + 1 échantillons. La matrice de covariance C est
alors égale à [Marfurt et al., 1999]

!]!] !]!] f]JJ


j+=n !]!] !}!] !]!}
c 2:: (2.48)
j=-n
!Ji] !}!] f}fjq
L'algorithme de cohérence c2 est alors égal à [Marfurt et al., 1998] [J\!Iarfurt et al., 1999]
(iCa
c2 - (2.49)
trace(C)
1
1
avec a

Gersztenkorn et Marfurt [Gersztenkorn et Marfurt, 1999] ont montré que cette formula-
tion est en fait presque identique à celle de la semblance de l'équation 2.46. L'avantage de
cette nouvelle formulation est de permettre de prendre en compte un nombre non limité
de traces, alors que l'attribut précédent se limitait à 3. Le résultat est donc beaucoup plus
lisse.
L'attribut de cohérence c3 , introduit par Gersztenkorn et Marfurt
[Gersztenkorn et Marfurt, 1996] [Gersztenkorn et Marfurt, 1999] a pour but de s'affran-
chir du bruit. L'attribut c2 , en utilisant la matrice de covariance entière, calcule la si-
milarité du signal et du bruit. En retirant de C l'effet du bruit, c'est-à-dire les petites
variations non cohérentes, l'attribut c3 permet de calculer la similarité sur le signal sans
le bruit. Gersztenkorn et Marfurt proposent donc de ne garder de la matrice C que ce qui

68
2. 3. Les attributs géométriques

correspond à son premier vecteur propre v 1 , associée à la valeur propre dominante )11 . La
cohérence c3 s'obtient donc au moyen de la formule

(2.50)

D'après Gersztenkorn et Marfurt, cet algorithme donne des résultats encore plus pré-
cis que le précédent. Il est néanmoins plus délicat à mettre en œuvre car il demande
un lissage préalable du pendage calculé lors de la recherche de la meilleure corrélation
[Marfurt et al., 1999]. De plus, il dégénère rapidement si le nombre vertical de points
utilisés pour le calcul est trop faible, ce qui n'est pas le cas des attributs précédents
[Chopra, 2002].

La semblance calculée au moyen des polynômes trigonométriques

Les attributs précédents, malgré leur efficacité, sont très alourdis par le problème de la
détection du pendage. Il faut, en effet, répéter le calcul plusieurs fois en un point donné
et il faut interpoler les échantillons pour obtenir un pendage précis. En nous basant
sur la corrélation des polynômes trigonométriques, nous avons pu obtenir un attribut de
semblance qui s'affranchit en partie de ce problème.
r
Considérons notre groupe de q traces j 0 , p, · · · , voisines dans le cube sismique.
Si ces traces sont interpolées au moyen de polynômes trigonométriques, la semblance 5 1
peut alors s'écrire
+1r ( 2
~ P(t)
q )

1 -1r dt
(2.51)
q ~
q 1+1r ( fi(t) )2 dt
-7r

Or, avec les mêmes notations qu'au chapitre 1.3.2, nous avons les égalités suivantes

(2.52)

q q m

L P(t) L L {a{ cos(kt) + b{ sin(kt)}


i=O i=O k=l

LaC cos(kt) + bC sin( kt)


k=l
:P(t) (2.53)

+1r ( q
~ P(t)
)2 dt {" (rctl)' dt (2.54)
1-1r

69
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

La semblance peut alors se calculer très simplement au moyen des coefficients a{ et b{

t{ (~aC)' + (~be)'}
(2.55)
qtt,{(ac)' +(be)'}
La seule approximation dans ce calcul intervient lors du passage des signaux discrets aux
polynômes.
Néanmoins, cette première solution ne tient pas compte du pendage des horizons. Une
meilleure approche consisterait donc à calculer S 1 le long du pendage des horizons obtenu
grâce à l'attribut de pendage présenté précédemment. Sur cette semblance S 2 , toutes les
traces seraient décalées en fonction de ce pendage moyen, comme cela se fait pour les
attributs de cohérence c2 et c3 . Cela nécessite, cependant, de calculer les polynômes trigo-
nométriques une première fois pour le pendage et une deuxième fois pour la semblance. Il
est possible de raccourcir cette étape en conservant les mêmes polynômes pour le pendage
et la semblance. L'astuce consiste à utiliser la périodicité des polynômes pour les décaler.
Soit r le polynôme f décalé de T tel que

V t E lR., (2.56)

Il est facile de montrer que r est également un polynôme trigonométrique et que ses
coefficients {a{,., b{,.} sont égaux à

a{· cos(kr) + b{ · sin(kr) (2.57)

b{,. = b{ · cos(kr) - a{· sin(kr) (2.58)

Ce décalage introduit une approximation, car il y a une différence entre le polynôme décalé
et le polynôme recalculé sur la trace sismique décalée. Néanmoins, étant donné la faible
valeur des pendages et donc des décalages à effectuer, cet artifice de calcul n'altère pas
sensiblement le résultat tout en permettant un gain considérable en temps de calcul.
Cette deuxième solution reste néanmoins assez lourde car elle nécessite le calcul préa-
lable de l'attribut de pendage. Nous avons donc développé une troisième semblance S 3 qui
décale chaque trace Ji de son décalage optimal D,i par rapport à une trace de référence.
Au lieu de tenir compte du pendage moyen du groupe de traces utilisé pour le calcul, nous
tenons compte d'un pendage particulier pour chacune des traces. Cette approche S 3 est
théoriquement meilleure car elle permet de mesurer la similarité des horizons courbes, ce
que n'est pas capable de faire S 2 (Figure 2.26). L'équation 2.55 devient alors

(2.59)

70
2. 3. Les attributs géométriques

Résultats et applications

La Figure 2.27 permet de comparer, sur une même coupe temps, les trois formules de
semblance basées sur les polynômes trigonométriques :
- la semblance 8 1 , qui ne tient pas compte du pendage (Figure 2.27-B 1 );
- la semblance 8 2 , qui tient compte du pendage moyen des horizons (Figure 2.27-B 2 );
- la semblance 8 3 , qui décale chaque trace pour l'ajuster au mieux à une trace de
référence (Figure 2.27-B 3 ).
La moins bonne semblance est, sans surprise, 8 1 : par comparaison avec les deux autres,
plusieurs failles n'apparaissent pas et l'image est très floue. La deuxième et la troisième
semblance donnent des résultats à peu près équivalents. La semblance 8 2 marque mieux
certaines failles que 8 3 , mais le résultat est moins précis pour d'autres. Comme la sem-
blance 82, qui nécessite un calcul préalable de l'attribut de pendage, est beaucoup plus
longue à obtenir que la semblance 8 3 , c'est cette dernière que nous avons finalement
retenue.
Comme la semblance est calculée sur une fenêtre verticale de traces, les sections ver-
ticales présentent un aspect caractéristique en marches d'escalier. C'est pourquoi la sem-
blance est généralement analysée en coupe temps - sections arbitraires ou horizons ex-
traits. L'augmentation de la taille verticale de la fenêtre de calcul permet de prendre en
compte plus d'horizons, ce qui rend l'attribut plus lisible sur les sections temps, mais peut
aussi masquer les petites failles (Figures 2.28-A). Ce problème n'apparaissait pas dans les
attributs issus du pendage, car ce paramètre n'entrait pas véritablement en compte dans
le calcul de ces attributs. Pour la semblance, il faut donc trouver une taille verticale de
la fenêtre de calcul qui permette un compromis entre lisibilité et précision. Par ailleurs,
l'augmentation de la taille horizontale permet de prendre en compte un nombre plus im-
portant de traces. Cette option n'est cependant pas intéressante car elle rend l'image plus
floue (Figure 2.28-B).
La semblance, comparée au pendage et à la courbure (Figures 2.19, 2.21, 2.24, 2.28-
B), est l'attribut qui détecte le plus précisément les failles. Elle est également l'attribut
géométrique qui demande le moins de temps de calcul. Elle ne résout cependant pas bien
le cas où les failles ont le même pendage que les horizons, car les signaux peuvent alors
- en théorie - rester très cohérents entre eux. Les failles modifient cependant le plus
souvent la structure - et donc la cohérence- locale des horizons qu'elles coupent, ce
qui permet de bien les discerner sur les sections de semblance. L'attribut est également
sensible aux variations latérales de faciès et permet de détecter des chenaux ou les dômes
de sel. Chopra et Larsen [Chopra et Larsen, 2000]l'utilisent pour la détection d'artefacts
d'acquisition. La Figures 2.29-A montre un exemple de détection en 3D des failles, et
la Figure 2.29-B une détection de chenal sur une section temps à partir de l'attribut de
semblance.
Nous avons pu comparer notre semblance avec des attributs de similarité calculés sur
des logiciels du marché 14 avec des paramètres similaires :
14
Comparaisons limitées cependant par un accès très restreint à ces logiciels

71
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismiq'l),e

FIG. 2.26 - Fenêtre de calcul de la semblance : [A] le long du pendage moyen des horizons
(semblance S2); {B] le long du pendage réel des horizons(semblance 83). Cette deuxième
approche permet de prendre en compte des horizons courbes.

FIG. 2.27- Comparaison des différentes options de calcul de la semblance sur la même coupe
temps :
[A] amplitude sismique, [B 1J sem blan ce S1 calculée sans tenir compte du pendage, [B 2] semblance
S2 calculée au moyen de l'attribut de pendage, {B 3] semblance S3 calculée en tenant compte du
pendage individuel de chaque trace.

72
2. 3. Les attributs géométriques

FIG. 2.28 - Influence du choix de la fenêtre sur le calcul de la semblance.


Les Figures {A] représentent la semblance calculée sur une même section verticale en faisant
varier le nombre de points utilisés pour le calcul des polynômes: {A 1J 11 points, {A 2 } 21 points.
Plus la fenêtre verticale est importante, plus l'effet de lissage vertical de la semblance est im-
portant.
Les Figures {B] représentent la semblance calculée sur la même section horizontale que la Fi-
gure 2.19, en faisant varier le nombre de traces prises en compte: {B 1} 9 traces, {B 2 } 25 traces.
L'augmentation de la taille horizontale de la fenêtre a tendance à rendre l'image plus floue.

73
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

~,··~.-:tr~···

:~'

FIG. 2.29- Exemple d'utilisation de la semblance.


{A} Cube d'amplitude sismique contenant en bas un dôme de sel, et en haut deux familles de
failles verticales. {A'} Cube de semblance calculé à partir du cube précédent. En bas, sur la section
horizontale, le sel apparaît en noir. En haut, les lignes subverticales représentent les différentes
failles. Les sections horizontales des Figures 2.27 et 2.28-A sont tirées de ces mêmes données.
{B} Vue de dessus d'un horizon extrait de la sismique sur lequel l'amplitude du cube sismique
a été peinte. Le linéament qui passe du noir au blanc en allant vers la droite est un chenal.
{B '} Même horizon sur lequel la semblance a été calculée. La sem blan ce met en valeur les bords
du chenal, ce qui permet de mieux le visualiser.

74
2.3. Les attributs géométriques

FIG. 2.30 - Comparaison de différents attributs de similarité calculés sur un même section
sismique temps : [A} Amplitude sismique; {B} semblance Ss calculée avec les polynômes trigo-
nométriques; {C} semblance calculée sur le logiciel GeoProbe; {D} cohérence c2 calculée sur Je
logiciel OpendTect.

- la comparaison avec l'algorithme de semblance du logiciel GeoProbe de la société


Landmark, calculé sur des données discrètes, montre clairement la supériorité de
notre algorithme, beaucoup moins sensible au bruit (Figures 2.30-B et C). ;
- notre semblance donne, en revanche, un résultat beaucoup plus proche de l'algo-
rithme de cohérence c2 proposé sur le logiciel OpendTect de la société dGB. La
semblance donne globalement des résultats plus fins. Sur les Figures 2.30-B et D par
exemple, la grosse faille qui divise l'image verticalement en deux y est plus précise.
Il n'y a pas non plus de bruit en haut à gauche de l'image, alors qu'une tache jaune
apparaît sur la cohérence. Cependant, sur une même machine 15 et avec les mêmes
paramètres, notre attribut a été calculé sur un cube de 5 millions de cellule en une
vingtaine de minutes contre plus d'lh30 pour le logiciel OpendTect.
15 Un biprocesseur Intel Xeon 2.4GHz utilisant Windows XP.

75
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

2.3.4 Optimisation des calculs


Les calculs des attributs géométriques sont généralement très longs : lecture simultanée
d'un nombre important d'échantillons du cube sismique et calculs complexes, le tout sur
des données de grandes tailles. Il a donc été nécessaire de mener des recherches sur la
façon dont les algorithmes pouvaient être optimisés. Les algorithmes ont notamment été
parallélisés, au moyen des directives OpenMP 16 , utilisées pour la première fois dans gOcad.
Cette technique nous a ainsi permis de réduire le temps de calcul de ces attributs sur un
biprocesseur d'environ 40%.

2.3.5 Commentaire sur l'utilisation des attributs géométriques


La signification intuitive des attributs géométriques les a rendu très populaires pour l'aide
à la détection des failles et des chenaux. Au vu de nos résultats, la semblance semble
l'attribut le mieux adapté à cette utilisation, car c'est l'attribut le plus rapide à calculer
et le plus discriminant.
Plusieurs auteurs soulignent néanmoins l'importance de la vérification des résultats
obtenus. Hesthammer et al [Hesthammer et al., 2001] montrent, par exemple, des cartes
d'attribut de pendage présentant des motifs curvilinéaires très similaires à des failles,
mais qui sont en fait des artefacts liés au bruit de la sismique. Dans un autre article,
Hesthammer [Hesthammer, 1999] présente le cas d'un bruit cohérent faisant apparaître
artificiellement des blocs basculés sur la sismique, et donc sur les attributs. Il est donc
toujours nécessaire de valider l'approche par les attributs avec les données de puits et les
autres données non sismiques.
Ces problèmes sont souvent liés à la présence importante de bruit dans la sismique.
Au vu de l'efficacité de l'approche continue du signal par les polynômes trigonométriques,
nous avons donc essayé de les appliquer au traitement des signaux sismiques eux-mêmes.

2.4 Filtrage des signaux sismique


Les attributs instantanés et géométriques sont calculés à partir d'un cube sismique, issu
lui-même de traitements relativement complexes. Ces traitements préalables, que nous
avons brièvement décrits au chapitre 1.1.3, utilisent de nombreuses techniques classiques
du traitement du signal pour préparer les données pour l'interprétateur. Dans ce chapitre,
nous verrons que certains de ces filtres sont parfois utiles pour l'interprétation elle-même.
Nous nous sommes intéressés en particulier à la décomposition spectrale et la sommation
des signaux.
16 Site internet : http :j jwww.openmp.org.

76
2.4. Filtrage des signaux sismique

2.4.1 Décomposition spectrale du signal


Comme nous l'avons vu au chapitre 1.3.2, les polynômes trigonométriques, tout comme
la transformée de Fourier, permettent d'obtenir facilement le spectre des fréquences du
signal. Considérons un signal sismique interpolé sur 2n + 1 points avec un polynôme
trigonométrique f caractérisés par la suite de coefficients {ak, bk} avec k variant de 1 à n.
Nous pouvons alors définir [Mari et al., 2001]
- l'amplitude Ek de la fréquence k(2n + 1)/27f du signal est égale à

Ek = J(ak) 2 + (bk)2 (2.60)


- la phase <I>k la fréquence k(2n + 1)/27f du signal est égale à

<I> k = aret an ( :: ) (2.61)

L'application de filtres passe-bas sur le signal sismique permet parfois d'éliminer


des artefacts [Hesthammer, 1999]. Plusieurs auteurs utilisent Ek et <I>k comme attri-
buts pour mieux discerner des informations géologiques comme les contours des che-
naux [Peyton et al., 1998] [Partyka et al., 1999] [Johann et al., 2003]. En effet, comme
nous l'avons vu au chapitre 2.2.4, les fréquences du signal reflètent indirectement les
variations de composition et d'épaisseur des couches géologiques. La fenêtre temporelle
utilisée pour le calcul doit cependant être suffisamment petite pour refléter les variations
locales du spectre et non pas une moyenne générale du spectre de la trace sismique entière.
Nous n'avons pas véritablement exploré cette possibilité, mais elle reste une possibilité
des polynômes trigonométriques.

2 .4. 2 Amélioration de la continuité des horizons


Principe de la sommation

Lors de la construction d'un cube sismique, une trace sismique n'est pas obtenue à partir
du signal enregistré par un unique récepteur, mais par addition des signaux réfléchis
au même point et enregistrés sur des capteurs différents. Cette opération de sommation
permet, en effet, d'augmenter le rapport signal sur bruit (Figure 2.31).

Application du principe avec les polynômes trigonométriques

Nous avons voulu appliquer le principe de sommation sur les traces voisines des données
sismiques 3D. Le but ici n'est pas de conserver la valeur réelle des amplitudes sismiques,
mais d'améliorer la continuité des horizons sismiques. La différence par rapport à l'opé-
ration de sommation précédente tient au fait qu'il faut faire attention à ne pas effacer
certaines discontinuités de l'image - notamment les failles -, pour préserver les infor-
mations structurales de l'image.
Tout d'abord, le lissage doit se faire le long des pendages des horizons, pour conserver
la cohérence des signaux. Une sommation le long des axes de la grille sismique produirait

77
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

signal bruit

RI =~ + J\A.--
R2= ~ + /\./V'-

R3 = -J\.r- + ~
R4= ~+ .../\..../V
--- . ~ .. ----------- -- .. - ----

s=~+~
FIG. 2.31 - Principe de la sommation : le signal réfléchi au même point du sous-sol mais
enregistré sur des récepteurs R1, R2, R3, R4 voisins passe par des chemins voisins mais différents
dans le sous-sol. En sommant les signaux captés, les signaux cohérents s'additionnent tandis que
les bruits aléatoires s'annulent mutuellement.

un effet inverse à celui recherché [Fehmers et Rocker, 2003]. L'utilisation des polynômes
trigonométriques nous a permis de résoudre facilement ce problème. En effet, ils per-
mettent:
- de calculer facilement et précisément le pendage des horizons ;
- de recalculer les amplitudes du signal sismique à tout instant donné.
Considérons une trace sismique f sur laquelle nous voulons appliquer le filtre à un point
P donné. La trace f possède q traces voisines g 1 , g2 , • · · , gq. Il est facile de trouver la
position des points P 1 , P 2 , • · · , pq images de P sur ces traces voisines (Figure 2.32).
Comme nous l'avons vu pour le calcul du pendage (cf. chapitre 2.3.1), il suffit de calculer
les décalages optimaux ~ 1 , ~ 2 , · · · , ~ q entre f et chacune des traces gi au moyen de la
formule de corrélation 1.38. Si f(P) est l'amplitude sismique du signal fau point P, alors
l'amplitude filtrée iJil au point P est égale à

iJil(P) = ~
q+
· {f(P) + tgi(Pi)}
i=l
(2.62)

Comme pour la semblance, cette approche permet de prendre en compte les horizons
courbes (Figure 2.26).
Cette solution ne tient cependant pas compte des failles, qui risquent de disparaître
lors du lissage des horizons. Or, les failles peuvent se détecter facilement au moyen de
deux paramètres :
- si le décalage optimal est trop grand entre deux traces (Figure 2.32, points P et
p2);
- si le coefficient de corrélation C19 i(~i) est trop faible (Figure 2.32, points Pet P 3 ).
Il suffit donc de ne pas prendre en compte dans l'équation 2.62 les traces gi qui corres-
pondent à ces critères. Ainsi, il est préférable de ne pas effectuer de lissage lorsqu'un doute
subsiste sur la présence de failles, plutôt que de risquer d'effacer une discontinuité.

78
2.4. Filtrage des signaux sismique

,...----.x
f(t)
t

t
t

FIG. 2.32 - Lissage d'un horizon sismique passant par un point P. Après interpolation des
signaux par les polynômes trigonométriques, le calcul des corrélations entre la trace f et ses
voisines gi permet de connaître le décalage optimal b. i entre les traces et les positions pi de
l'horizon sur ces traces. Dans le cas général, l'amplitude calculée en pi est moyennée à P (trace
g 1 ). Si le décalage est trop important (trace g 2 ) ou la corrélation trop mauvaise (trace g3 ), alors
une faille passe peut-être entre les traces et les points ne sont pas pris en compte.

Résultats et applications

La Figure 2.33 permet de comparer les différentes options de calcul du lissage :


- le long des axes de la grille sismique, c'est-à-dire sans tenir compte du pendage
(Figure 2.33-B 1). Le bruit disparaît en partie, mais les failles également. De plus,
les horizons ont tendance à s'aplatir : le résultat est inutilisable;
- le long des horizons, en tenant compte du pendage, mais sans tester la présence des
failles (Figure 2.33-B 2 ). Le résultat est meilleur, mais les extrémités des horizons
diffusent à travers les failles, ce qui tend à les diluer dans l'image;
- en tenant compte du pendage et en arrêtant le lissage au niveau des failles : horizons
et failles apparaissent clairement (Figure 2.33-B 3 ).
La Figure 2.33-C montre la différence entre l'amplitude sismique initiale et l'amplitude
lissée. La distribution des valeurs est globalement aléatoire, ce qui montre que le lissage
a bien retiré du bruit et non du signal cohérent.
L'algorithme peut s'appliquer de façon itérative. La Figure 2.34 montre l'amélioration
successive de la continuité des horizons lors des différentes itérations. Par contraste, les
terminaisons des horizons apparaissent nettement, ce qui améliore considérablement le
tracé des failles sur l'image sismique. Le filtre améliore donc d'une façon générale l'in-

79
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

FIG. 2.33 - Comparaison des différents options de lissage de la sismique sur une même section
verticale. {A] Amplitude sismique initiale; {B 1J Amplitude lissée sans tenir compte du pendage
des hOTizons ni des failles; {B 2 ] Amplitude lissée le long des horizons sismiques sans tenil' compte
des failles; {B 3J Amplitude lissée le long des hoTizons sismiques avec al'l'êt au niveau des failles.
{C] Différences entl'e la section [B 3] et la section {A].

80
2. 5. Visualisation des attributs

formation stratigraphique du cube sismique. Il peut donc s'utiliser pour améliorer les
performances des algorithmes d'extraction automatique d'horizons, comme nous le ver-
rons au chapitre 4, ou pour obtenir des attributs géométriques, comme la semblance ou
le pendage, moins bruités (Figures 2.34-B et C). L'algorithme pourrait également être
utilisé sur des données sismiques avant sommation, ou sur des données 4D. Nous n'avons
cependant pas pu tester cette approche faute de posséder les données nécessaires.

Autres approches

Le principe de la sommation a été également repris par Resthammer


[Resthammer, 1999] pour éliminer certains artefacts de l'image sismique, en sommant les
données 4D 17 . L'opération suppose, cependant, d'avoir plusieurs campagnes d'acquisition
à disposition et un calage précis des différents cubes sismiques obtenus.
Une autre solution pour résoudre ce problème a été proposée par Fhemers et Rocker
[Rocker et Fehmers, 2002] [Fehmers et Rocker, 2003]. L'idée est de comparer la sismique
à un fluide, et de diffuser ce fluide le long de lignes perpendiculaires à son gradient, c'est-
à-dire le long des horizons. La diffusion est arrêtée au niveau des failles en utilisant un
attribut comme la semblance. Ce filtre nommé Van Gogh est également appliqué de façon
itérative.

2.5 Visualisation des attributs


Les attributs sismiques ont pour objectif de faire apparaître certaines caractéristiques du
cube sismique -variations de faciès, pendage, failles, etc. Il existe cependant un décalage
important entre les valeurs calculées et stockées dans l'ordinateur et la façon dont elles
peuvent apparaître à l'écran. D'une part, il est possible de faire varier les gammes de
couleurs, la gamme des valeurs affichée, le contraste, la luminosité, de l'attribut. D'autre
part, un même affichage ne sera pas perçu de la même façon par des interprétateurs
différents.
Plusieurs techniques permettent cependant d'utiliser ces possibilités pour mieux utili-
ser les attributs. Si elles n'ont pas fait l'objet de développements nouveaux ici, elles ont
néanmoins été régulièrement utilisées au cours de nos travaux.

2.5.1 Importance du choix des échelles de couleurs


Jusque dans les années 1970, à cause de la limitation des moyens de visualisation sur
écran et d'impression sur papier, les données sismiques étaient analysées en noir et blanc.
L'importance de la couleur et des dégradés, qui permettent de faire ressortir beaucoup plus
d'éléments sur une même image, a été pour la première fois mise en avant en sismique par
Balch [Balch, 1971]. Au moyen d'une série de teintes différentes, Balch affichait le contenu
fréquentiel d'un signal sismique sur un graphe représentant ses variations dans le domaine
17 Données
sismiques 3D d'une même zone acquises à différents moments.

81
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

FIG. 2.34 - Exemple d'utilisation du lissage de la sismique.


[A} Application itérative de l'algorithme : [A 1J sismique initiale, [A 2 ) après une itération,
[A 3} après deux itérations. Les horizons sont beaucoup plus continus, et, par contraste, les failles
apparaissent beaucoup mieux.
[B} Utilisation pour le calcul de la semblance : [B 1} sur l'amplitude sismique initiale, [B 2 ) sur
l'amplitude lissée.
{C} Utilisation pour le calcul de l'attribut de pendage : {C1J sur l'amplitude sismique initiale,
[cJ2] sur l'amplitude lissée. Le lissage permet d'améliorer les corrélations et diminue les zones où
le calcul n'est pas possible, en noir sur l'image.

82
2. 5. Visualisation des attributs

temporel (Figure 2.35-A). En introduisant les attributs sismiques instantanés, Taner et


Sheriff [Taner et Sheriff, 1977] ont dès le départ pointé l'importance de la couleur pour
permettre de visualiser correctement les variations de l'enveloppe, de la phase et de la
fréquence. Leurs échelles de couleurs sont d'ailleurs spécifiques à chacun de ces attributs
- nous les avons déjà présentées au chapitre 2.2. Typiquement, les échelles de couleur
de la phase instantanée et de l'azimut doivent être cycliques pour refléter correctement la
nature angulaire de ces attributs.
L'évolution des techniques permet aujourd'hui à chacun de composer instantané-
ment ses propres codes de couleurs. La gestion des couleurs nécessite cependant un
certain savoir-faire. Certaines compagnies ont fait des recherches sur l'utilisation opti-
male des couleurs en fonction de leur perception par les yeux humains. Sheffield et al
[Sheffield et al., 1999] conseillent par exemple de ne pas utiliser plus de six couleurs par
échelle avec un maximum de deux couleurs claires, pour éviter une trop grande disper-
sion de l'œil sur l'image. Russel [Russel, 1992] compare l'affichage d'un même attribut en
utilisant des répartitions différentes des couleurs en indiquant leur utilisation potentielle.

2.5.2 Utilisation simultanée de plusieurs attributs


Certaines analyses nécessitent l'affichage de plusieurs attributs en même temps. En sis-
mique 3D, par exemple, il peut être intéressant de visualiser simultanément les attributs
de pendage et d'azimut. L'une des techniques consiste à utiliser des échelles de couleurs
spécifiques :
- Chopra [Chopra, 2002] utilise une échelle de couleur composite 1D associant cohé-
rence et amplitude instantanée (Figure 2.35-B). La moitié inférieure de l'échelle est
utilisée pour afficher les variations de la cohérence au moyen d'un dégradé de gris,
pour visualiser les chenaux. L'autre moitié de l'échelle sert à afficher en couleur les
valeurs élevées de l'amplitude instantanée, pour visualiser les bright spots sur ces
mêmes chenaux ;
- Marfurt et al [Marfurt et al., 1998] utilisent une échelle de couleur conique 3D pour
afficher simultanément les attributs de pendage, d'azimut et de cohérence pour ana-
lyser plus facilement les failles (Figure 2.35-C) ;
- Radovich et Oliveros [Radovich et Oliveros, 1998] combinent trois attributs instan-
tanés au moyen d'une carte de couleur cubique pour obtenir facilement des faciès
sismiques (Figure 2.35-D).
Un autre moyen est d'utiliser le rendu simultané des attributs. Les Figures 2.16
montrent, par exemple, l'affichage de la sismique avec les attributs de pendage et d'azimut.

2.5.3 Les techniques d'illumination


Les attributs vectoriels de dimension 3, peuvent bénéficier d'une autre technique d'ana-
lyse basée sur l'illumination des caméras des logiciels d'interprétation. Ces techniques
sont d'abord apparues dans d'autres domaines de la géophysique, comme la gravimétrie
[Cooper, 2003], avant d'être appliquées à l'interprétation sismique.

83
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

semblance amp.inst.
+- +
.. .... .. )llo
- -lmHfillJIIJIUll

••• • ••
. ~ .

c Fréq inst.

FIG. 2.35 - Utilisations de la couleur pour les attributs sismiques.


[A] Première utilisation de la couleur pour l'interprétation sismique : sur le signal sismique
représenté dans le domaine temporel, les couleurs font apparaître les gammes de fréquences du
signal. Il est ainsi possible d'étudier les variations de fréquence sur la section (Figure tirée de
{Balch, 1971}).
[B] Combinaison de la semblance et de l'amplitude instantanée sur une échelle de couleur 1D
pour mettre en valeur les chenaux et les bright spots sur une section horizontale(Figure tirée de
{Chopra, 2002}).
{C} Affichage simultané des attributs de pendage "(, d'azimut ( et de cohérence C au moyen
d'une carte de couleur conique 3D sur une section horizontale, pour l'analyse des failles (Figure
tirée de {Marfurt et al., 1998}).
[D] Affichage simultané des attributs d'amplitude, de phase et de fréquence instantanée au moyen
d'une carte de couleur cubique 3D sur une section horizontale, pour mettre en valeur des faciès
sismiques (Figure tirée de {Radovich et Oliveros, 1998}).

84
2. 5. Visualisation des attributs

observateur

~ \
source
de lumière

,,
,,Q
,'

' /

~ \

FIG. 2.36- Principe de l'attribut de relief (d'après [Barnes, 2003} modifié).


[A] L'illumination d'une surface quelconque dans une caméra virtuelle dépend de la direction
de la lumière incidente, Ri, de celle de la normale à la surface N et de celle du regard de
l'observateur O. Rr est la direction de la lumière réfléchie.
{B] Si le contrôle de la lumière réfléchie est fait par la normale aux horizons sismiques N', alors
le relief qui apparaît sur la surface correspond à celui des horizons.

Quand l'utilisateur affiche une surface 3D quelconque à l'écran, la quantité de lumière


renvoyée par un point de la surface dépend de l'angle a entre la direction Rr de la lumière
réfléchie et la direction 0 du regard de l'observateur (Figure 2.36-A). Cette propriété de
la surface est appelée « réflectance » [Sonka et al., 1993]. Elle peut être modélisée de la
façon suivante [Barnes, 2003] [Foley et al., 1992] :

I = [Rr · Ot = cos(a)n (2.63)

L'exposant n permet d'accentuer plus ou moins l'effet de brillant sur la surface.


Soit Ri la direction de la lumière incidente sur la surface (Figure 2.36-A). En utilisant
les lois de Descartes, nous pouvons dire que le vecteur Rr est le symétrique du vecteur Ri
par rapport à la normale N. En d'autre terme, pour une position donnée de l'observateur
et de la source de lumière, c'est la normale à la surface qui gouverne la façon dont la
lumière se réfléchit sur la surface.
Considérons maintenant une section temps d'un cube sismique donné. Par construc-
tion, le vecteur normal N est identique sur toute la surface et la lumière est toujours
réfléchie dans la même direction. Supposons maintenant que la normale N' aux horizons

85
Chapitre 2. Les attributs sismiques, mise en évidence des caractéristiques du signal sismique

FIG. 2.37- Exemple d'application de l'attribut de relief sur une section sismique horizontale :
[A} amplitude sismique, [B} attribut de relief La flèche représente la direction de la lumière. Les
reliefs qui lui sont pe1pendiculaires sont des failles, tandis que la dépression en haut à gauche
est un dôme de sel.

sismiques a été calculée partout sur la section, comme cela a été vu au chapitre 2.3.1. Si
nous remplaçons maintenant N par N' pour le contrôle de la réfiectance, alors la section
- géométriquement plate - aura une topographie apparente qui sera la topographie
des horizons sismiques [Barnes, 2003] (Figure 2.36-B). Cette technique de visualisation
particulière est appelée attribut de relief par Barnes.
Lors de l'illumination d'un objet dans une caméra virtuelle, toutes ses structures ne
sont pas également rendues. Les structures parallèles aux rayons lumineux sont estompées,
tandis que celles qui leur sont perpendiculaires sont mises en valeur (Figure 2.37). Or,
comme nous l'avons vu au chapitre 2.3.1, les variations de pendage des horizons sismiques
permettent de mettre en valeur les failles. Barnes propose donc d 'utiliser l'attribut de
relief pour mettre en évidence ces variations. Barnes utilise le vecteur gradient de l'image
sismique 3D comme normale aux horizons. Dans notre implémentation de cette technique,
nous avons directement utilisé le vecteur normal obtenu lors du calcul des attributs de
pendage et d'azimut. Nous avons également intégré cet outil dans une interface spécifique
permettant de modifier facilement la position de la source de lumière par rapport à l'image
sismique. Cela donne la possibilité à l'interprétateur de visualiser indépendamment les
différentes familles de failles , ce que ne peuvent faire les échelles de couleur 3D. Il faut
cependant noter que ce procédé ne présente un intérêt que pour les sections sismiques
horizontales. De plus, le réglage de la position de la lumière peut se révéler délicat.

2.6 Conclusion
De nombreux traitements sont applicables aux images sismiques pour aider à leur inter-
prétation géologique. Les attributs sismiques résultants peuvent fournir des informations

86
2. 6. Conclusion

importantes sur les composantes des signaux, sur la géométrie des réflecteurs sismiques
ou sur les zones de discontinuité des réflexions.
Il existe souvent plusieurs algorithmes pour obtenir un même attribut. Notre approche
du signal, basée sur les polynômes trigonométriques, présente plusieurs avantages pour cal-
culer les principaux attributs (Tableau 2.2). Les formulations sont souvent simplifiées et
la base de calcul est la même pour tous les attributs. Les polynômes trigonométriques
fournissent une formule analytique des principaux attributs instantanés, particulièrement
intéressante pour le calcul des attributs pondérés ou de certaines cartes d'attributs. Ce-
pendant, les polynômes trigonométriques présentent surtout un avantage pour le calcul
des attributs géométriques. Les algorithmes que nous avons développés permettent de
prendre en compte finement le pendage des horizons, et sur un nombre quelconque de
traces sismiques. Nos attributs géométriques - pendage, courbure, semblance - sont
donc aussi bien adaptés à la sismique 2D, 3D que 4D. Le travail sur des signaux continus
nous a également conduit à développer un filtre efficace de lissage des horizons sismiques
permettant d'améliorer les résultats de certains attributs. Finalement, sur les comparai-
sons que nous avons pu réaliser avec les attributs calculés sur des logiciels du marché, nos
résultats, en terme de coût de calcul ou de précision, sont soit équivalents, soit meilleurs.
Quelles que soient les méthodes de calcul utilisées, l'intérêt des attributs obtenus est
néanmoins parfois limité par un lien trop indirect ou trop flou avec une véritable significa-
tion géologique. L'espoir d'obtenir automatiquement de la sismique une image géologique
est souvent déçu. Même pour les attributs les plus proches de cet objectif, comme les attri-
buts de similarité, les résultats sont souvent dégradés par la présence de bruit. La qualité
de l'attribut dépend beaucoup, en effet, de la qualité de la sismique sur laquelle il est
calculé. L'information issue de la sismique seule ne suffit donc pas. Il est nécessaire de lui
intégrer les autres données disponibles comme les données de puits ou les connaissances
déjà acquises du contexte géologique. Ces nouvelles informations pourraient également
être utilisées pour combiner de façon optimale plusieurs attributs entre eux.

87
00
00 ~
.g.,.,.
<:-+-
~
~
t-<
('D
Cr.>
~
<:-+-
<:-+-
.,.,.
4
o-
.::
&i
>? attribut attributs attributs géométriques filtre de .,.,.
Cr.>
Cr.>
tJj
instantanés lissage ;l
.,.,_
tv ..t::l
tv
pendage et variations du courbures semblance .:::
('D

1
azimut pendage ~Cr.>

;l
.,.,_
~ utilisation caractérisation orientation des détection des détection des détection des mise en valeur
rn, du signal horizons discontinuités discontinuités discontinuités des informations
Cr.>
('D
c ('D

Ël ;::l
('D, sismiques structurales C'll,
c:::
.,.,_
0... prise en compte d'un nombre quelconque de traces- calcul 2D, 3D ou 4D
rn idem T.F.D., ~
('D

~
caracté- gestion de prise en compte prise en compte ;::l
.,..,.. formulation ~
'"'! ristiques l'incertitude sur simple et rapide des
0: analytique, ~
c de notre le calcul du pendage discontinuités et ('D
Cr.>
ft calcul précis des
('D,
.,..,..
approche précis des du pendage 8
c
pondérations ~
horizons précis des
.....
0... (":>
<:-+-

~' - ~~ ~-
L_ - - -~--
- - - - ··---
horizons C'Il,
.,.,_
4
Cr.>
.,.,_
<:-+-

~
('D
Cr.>

2
Cr.>

'§"
~
.,.,_
Cr.>
Cr.>
;l
.,.,_
~
('D
Chapitre 3

Des attributs à l'information


géologique : les faciès sismiques

l existe une infinité de possibilités pour caractériser les différents points d'une image
I sismique : le signal sismique lui-même, les attributs sismiques, ou toute opération
statistique ou mathématique sur ces attributs. Pour synthétiser cette grande quantité
d'information, il semble naturel de regrouper les points de l'image qui possèdent des ca-
ractéristiques communes. Pour cela, les géologues ont cherché des méthodes d'analyse qui,
partant d'un certain nombre d'attributs, retournent une nouvelle propriété décrivant ces
unités, appelées faciès sismiques. L'objectif est ensuite de pouvoir interpréter directement
ou indirectement ces unités en terme de faciès géologiques.
Ce troisième chapitre, après une introduction générale sur les faciès sismiques, présen-
tera deux méthodes de calcul des faciès sismiques à partir d'attributs sismiques, basées
l'une sur les nuées dynamiques, l'autre sur des cartes d'interpolation.

3.1 Introduction aux faciès sismiques


Une unité de faciès sismique est une unité sismique composée par des groupes de ré-
flexions dont les paramètres, tels l'amplitude, la fréquence, la continuité, ou tout attribut
sismique, se distinguent de ceux des unités de faciès sismiques adjacents [Mitchum, 1977].
L'objectif du calcul des faciès sismiques est d'établir un lien entre la sismique, connue
sur l'ensemble du réservoir, et des faciès géologiques, connus sur une partie seulement du
réservoir, généralement les puits, pour connaître la position de ces faciès géologiques dans
l'ensemble du réservoir.
Les faciès sismiques décrivent le réservoir en terme qualitatif, par exemple lithologique
- grès, argile, sel - ou quantitatif, par exemple en définissant une propriété physique de
la roche- porosité, perméabilité. Ils sont finalement utilisés pour caractériser le réservoir
modélisé.

89
Chapitre 3. Des attributs à l 1information géologique : les faciès sismiques

3.1.1 Les méthodes de reconnaissance des formes


Nous avons vu précédemment que les signaux sismiques contiennent des informations sur
la lithologie des couches stratigraphiques, et que ces informations sont potentiellement
accessibles par les attributs sismiques. L'idéal serait donc de disposer d'un modèle théo-
rique, d'une relation établissant un lien direct entre les attributs et les faciès géologiques.
Les expériences de laboratoire ou les simulations numériques peuvent aider à construire
ces modèles.
Cependant, à cause de la complexité des phénomènes naturels étudiés, il y a peu de
cas réels où cette approche est possible. Il faut donc le plus souvent recourir à des ana-
lyses d'ordre statistique des relations entre attributs et faciès géologiques. Les géologues
ont donc appliqués les techniques de reconnaissance des formes pour le calcul des faciès
sismiques.
L'un des travaux pionniers sur la reconnaissance quantitative des formes sismiques est
celui de Mathieu et Rice [Mathieu et Rice, 1969]. Ces auteurs analysent et classent les
pics d'amplitude du signal sismique - réel ou synthétique, calculé à partir de données
de puits - pour discriminer les faciès sableux des faciès argileux. Ils en concluent que
l'analyse discriminante offre la possibilité d'interpréter les données sismiques en terme
lithologique.
Sinvhal et Khattri [Sinvhal et Khattri, 1983] et Sinvhal et al [Sinvhal et al., 1984] uti-
lisent également des techniques d'analyse discriminante paramétrique sur des cas réels et
synthétiques. Les attributs utilisés sont issus de la fonction d'autocorrélation et du spectre
du signal sismique. Au moyen d'une analyse discriminante, ils arrivent à distinguer des
séquences binaires sable-argile ou argile-charbon et mettent en avant l'importance des
attributs fréquentiels.
Conticini [Conticini, 1984] met en avant les analyses statistiques conventionnelles,
comme les diagrammes, sur les attributs d'amplitude, fréquence, continuité ou vélocité
pour identifier des faciès sédimentaires.
Dumay et Fournier [Dumay et Fournier, 1988] étudient le problème de la reconnais-
sance de formes sismiques à partir de l'analyse statistique multivariable en composantes
principales, de la classification et de l'analyse discriminante appliquée sur des traces sis-
miques. Ils mettent en évidence l'importance du choix des traces d'apprentissage et le
problème du lien flou entre les attributs sélectionnés et les faciès géologiques qu'il faut
caractériser.
Lendzionowski et al [Lendzionowski et al., 1990] se sont plus particulièrement intéres-
sés à la reconnaissance des faciès à partir de l'amplitude, de la phase et de la fréquence
instantanées. Ils utilisent pour cela des techniques de projections révélatrices qu'ils es-
timent plus appropriés pour l'analyse des attributs que l'analyse en composante prin-
cipale. Ils mettent également en évidence l'importance de l'interprétation géologique a
priori, notamment à partir des données de puits.
Fournier et Derain [Fournier et Derain, 1995] proposent de corréler les attributs sis-
miques avec les propriétés réservoir aux puits au moyen d'une analyse canonique si les
données de puits sont suffisamment nombreuses. Une régression multivariable leur permet

90
3.1. Introduction aux faciès sismiques

ensuite de construire un modèle statistique entre les variables canoniques et les propriétés
réservoirs.
Par ailleurs, à partir des années 1980, de nombreuses méthodes basées sur les neurones
artificiels ont été développés pour l'analyse des faciès sismiques. Les réseaux de neurones
tentent en effet d'imiter les processus biologiques qui permettent au cerveau de reconnaître
les formes ou de prendre des décisions. Largement utilisés dans les méthodes de traitement
sismique [McCornack, 1991], [Poulton, 2002], ils permettent de calculer des relations com-
plexes et linéaires entre les attributs et les faciès de calibration. Par exemple, Hampson
et al [Hampson et al., 2001] les utilisent pour prédire la porosité sur des puits à partir
d'attributs sismiques. Ils concluent que les prédictions sont de bien meilleure qualité que
celles obtenues avec une régression linéaire. L'intérêt des réseaux de neurones est cepen-
dant limité par la lenteur de la phase d'apprentissage et par la difficulté d'appréhender le
fonctionnement de la structure du réseau, au contraire des méthodes précédentes.

3.1.2 Analyses supervisées et non supervisées


Les méthodes de reconnaissance des formes peuvent se diviser en deux types d'approche
(Figure 3.1-B) :
- l'analyse supervisée utilise l'information géologique- données de puits par exemple-
a priori pour guider la répartition des données issues de la sismique en faciès. Cette
approche a l'avantage de fournir des faciès avec une signification géologique directe;
- l'analyse non supervisée ne fait pas intervenir de données géologiques extérieures.
Les faciès sont réalisés uniquement en fonction des variations des données issues
de la sismique. L'interprétation géologique est faite a posteriori. Contrairement à
l'analyse supervisée, cette approche à l'avantage d'être plus objective, et de ne pas
dépendre d'interprétations antérieures. Elle est également bien adaptée au contexte
exploratoire où un faible nombre de puits sont disponibles. En revanche, les faciès
obtenus peuvent être plus difficiles à interpréter.
Les deux approches sont souvent complémentaires et utilisées en parallèle car elles offrent
deux regards différents sur les données [Déquirez et al., 1995] [Fournier et al., 2002].
Par la suite, nous appellerons faciès sismiques les faciès obtenus à partir de l'analyse
supervisée ou non des attributs sismiques, et faciès géologiques les faciès utilisés pour la
calibration, comme, par exemple, les faciès reconnus aux données de puits. Par ailleurs,
nous ferons la distinction entre l'espace des observations, c'est-à-dire l'espace géographique
2 ou 3D où le réservoir est modélisé, et l'espace des attributs, c'est-à-dire l'espace nD dont
chacun des axes correspond à un attribut donné (Figure 3.1-B).

3.1.3 Difficultés
Quelles que soient les méthodes utilisées, le passage des attributs sismiques à des faciès
géologiques pose de nombreux problèmes, et ce pour plusieurs raisons :
- la qualité de la sismique influence celle des attributs, et en conséquence, la pertinence
des faciès sismiques ;

91
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

reconnaissance statistiques
des formes sismiques

non supervisée supervisée

f f
choix des attributs sismiques choix des attributs sismiques
et de l'info. géologique a priori

f f
analyse statistique des données analyse statistique des données
discrimination des faciès discrimination des faciès

f f
interprétation géologique signification géologique
a posteriori des faciès directe des faciès

faciès géologique
attributs (cah · )
attr.4

espace des observations espace des attributs

FIG. 3.1- {A} Analyses supervisées et non supervisées (d'après {Johann, 1997} modifié).
{B} Espace des observations et espace des attributs.

92
3.2. Analyse non supervisée basée sur les nuées dynamiques

- les relations entre attributs et faciès géologiques, quand elles existent, sont souvent
complexes et non linéaires. Elles sont donc difficiles à calculer;
- le choix des attributs de départ est très important, mais difficile à réaliser. Utiliser
simultanément une vaste gamme d'attributs sans sélection préalable est trop coûteux
en calculs et obscurcit l'interprétation des résultats;
- les données de calibration des faciès géologiques, c'est-à-dire les puits, ne sont sou-
vent disponibles qu'en quantité limitée, ce qui pose des problèmes de validité des
relations obtenues ;
- les données à intégrer ont souvent des échelles différentes. Typiquement, les diagra-
phies mesurées dans les puits présentent une résolution bien plus élevée que celle de
la sismique. Il convient donc de les lisser préalablement au calcul des faciès.
Des tests avec des méthodes différentes, ou avec des paramétrages différents sont
souvent nécessaires pour l'étude d'un même réservoir. Le choix de l'approche dépend
beaucoup des données disponibles et des types de faciès voulus. Dans notre travail, nous
n'avions pas d'étude spécifique de réservoir à réaliser. Deux méthodes d'analyse, l'une
non supervisée, l'autre supervisée ont cependant été étudiées. La première, assez géné-
rale, avait déjà été développée et validée dans gOcad et constituait le point de départ de
cette thèse. La seconde, en cours de développement, a été inventée pour répondre à des
besoins spécifiques d'associations d'attributs, tout en pouvant être utilisée pour l'analyse
de faciès sismiques.

3.2 Analyse non supervisée basée sur les nuées dy-


0

nam1ques
Une seule méthode d'analyse multivariable avait été développée au sein du géomodeleur
gOcad, dans la thèse de Pairazian [Pairazian, 1998]. L'objectif de Pairazian était de ca-
ractériser la porosité d'un réservoir au moyen des amplitudes sismiques. Les attributs
présentés au chapitre 2 ont, en fait, été initialement développés pour fournir aux utilisa-
teurs de cette méthode un plus grand choix de variables d'entrée. La méthode proposée
et validée par Pairazian a donc été reprise au cours de ce travail et adaptée à l'analyse
d'attributs sismiques.

3.2.1 Présentation de la méthode d'analyse


Idée générale

L'analyse multivariable, proposée par Pairazian [Pairazian, 1998] et en grande partie ré-
implementée dans ce travail, est constituée des étapes suivantes (Figure 3.2) :
1. choix des attributs. Pour Pairazian, un point du cube sismique est simplement ca-
ractérisé par l'amplitude sismique de ce point ainsi que celle de ses points voisins.
Dans notre cas, il s'agit des attributs sismiques calculés au niveau du point ou de
ces voisins ;

93
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

2. réduction de la redondance des données et élimination d'une partie du bruit au


moyen d'une analyse en composantes principales;
3. segmentation des nouvelles propriétés obtenues en classes de faciès sismiques au
moyen des nuées dynamiques.
Pour interpréter les classes obtenues en une information géologique, Pairazian ajoute les
étapes suivantes :
4 interprétation des données de puits en classes de faciès géologiques ;
5 calcul d'une table de corrélation entre les classes de faciès sismiques et les classes de
faciès géologiques ;
6 regroupement des classes de faciès sismiques en fonction de leur ressemblance avec
les classes de faciès géologiques.
La dernière étape, réalisée également avec les nuées dynamiques, permet d'établir une
relation de non linéarité entre attributs et faciès géologiques.
Nous développerons maintenant les principaux algorithmes de cette méthode, c'est-à-
dire l'analyse en composantes principales et les nuées dynamiques.

L'analyse en composantes principales

L'objectif de l'Analyse en Composantes Principales (A.C.P.) est de réduire la dimension


des données de départ - dans notre cas, les attributs sélectionnés - en éliminant leurs
redondances et leurs composantes les moins significatives. Ses avantages et sa simplicité
en ont fait un outil utilisé intensivement par les géologues [Davis, 1986].
Soit {Xi : i = 1, p} une famille de p variables aléatoires observées sur un échantillon-
nage de taille n. Tous les résultats sont rassemblés dans une matrice nxp nommée X

X1(1) Xi(1) Xp(1) X(1)

x X1(u) Xi(u) Xp(u) X(u) (3.1)

X1(n) Xi(n) Xp(n) X(n)


Dans ces conditions, chaque ligne du tableau, c'est-à-dire chaque vecteur
X (u) = {Xi (u), i = 1, · · · , p}, correspond à un point de l'espace JRP. L'ensemble des lignes
du tableau correspond à un nuage de n points dans JRP.
Le but de l'A.C.P. est de représenter ce nuage de points dans un espace de dimension q,
plus petite que p, en optimisant un critère de variance (Figure 3.3). Chacun des vecteurs
X(u) est projeté en un nouveau vecteur F(u) = {Fj(u),j = 1, ... ,q} dans le nouvel
espace IRq.
Pour cela, il est nécessaire de calculer la matrice de variance-covariance Rxx des
vecteurs X (u)
Rxx (3.2)

94
3.2. Analyse non supervisée basée sur les nuées dynamiques

choix des attributs

A.C.P.
--~»~ m facteurs

nuées
n attributs sismiques dynamiques

carte de faciès géologiques corrélation carte de faciès sismiques

faciès géologiques
reconnus aux puits

FIG. 3.2 - Analyse non supervisée basée sur les nuées dynamiques, suivant la méthode de
Pairazian [Pairazian, 1998}. Un groupe d'attributs est sélectionné et calculé à partir des données
sismiques. L'analyse en composante principale permet ensuite de synthétiser l'information qu'il
contient, et les facteurs obtenus sont segmentés au moyen des nuées dynamiques. La carte de
faciès sismiques obtenue peut ensuite être calibrée avec la carte des faciès géologiques, après
calcul d'une table de corrélation entre les deux classes de faciès. Le résultat est une carte de
faciès géologiques facilement interprétable. L'analyse peut s'effectuer en 2D ou 3D.

95
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

variable 1

échantillon
facteur 1
~
+ +

+
+ +

J;(u) +

}Ç(u) variable 2

FIG. 3.3 - Principe de l'analyse en composantes principales. Les échantillons, connus par leurs
coordonnées dans l'espace des variables Xi, sont projetés dans le nouvel espace des facteurs Fj·
Les axes de ce nouvel espace sont orientés le long des directions de variance maximum, et son
origine est le centre de gravité des données.

avec « t » opérateur de transposition. Si Vj et Àj sont les vecteurs et valeurs propres de


Rxx, alors les coordonnées de F(u) sont données par l'équation suivante :

V j E [1, ... , n], (3.3)

Les vecteurs propres Vj définissent un nouveau système de coordonnées orthogonal.


Les axes de ce système correspondent aux axes d'extremum de variance et son origine est
le centre de gravité des données. Si les données sont centrées et réduites, il s'agit du point
(0, ... ,0). Les vecteurs F(u) sont appelés facteurs et leurs composantes, indépendantes, les
composantes principales.
Comme les variables Xi peuvent être mesurées avec des unités différentes, il est pré-
férable de les centrer et de les réduire pour les comparer. Les vecteurs X (u) sont donc
généralement remplacés dans les équation par les vecteurs X' (u) tels que

(3.4)

avec mi et ai respectivement la moyenne et l'écart type de la variable Xi·


La réduction de dimension du problème intervient lorsque ne sont retenus que les q
vecteurs propres Vj correspondant aux q valeurs propres les plus grandes de la matrice
Rxx. Par construction, chacun des facteurs Fj explique un pourcentage de la variance des

96
3. 2. Analyse non supervisée basée sur les nuées dynamiques

données, pourcentage proportionnel à la valeur propre Àj. Usuellement, seuls les facteurs
expliquant ensemble les premiers 70 à 80% de la variance globale sont conservés. Dans
le cas de l'analyse des attributs sismiques, les facteurs sont souvent utilisés à la place
des attributs eux-mêmes. En effet, ils permettent de synthétiser la même information en
un nombre réduit de variables. Dans certains cas cependant, les facteurs expliquant la
variance ne sont pas les facteurs qui portent la partie la plus importante de l'information
contenue dans les données. C'est pourquoi certains auteurs préfèrent d'autres techniques,
comme les projections révélatrices [Lendzionowski et al., 1990].

Les nuées dynamiques

Les algorithmes dits k-moyens constituent une solution courante de partition non super-
visée d'un ensemble de points - dans notre cas, les facteurs de l'A.C.P. Leur but est
de trouver une partition de l'espace en k classes au plus, k étant fourni par l'utilisateur.
Dans ces algorithmes, chaque classe est représentée par son point central, également appelé
noyau.
L'une des méthodes d'algorithme k-moyens les plus populaires est celle des nuées
dynamiques [Lebart et al., 1984]. Cet algorithme a, en effet, l'avantage d'être simple à
programmer et à utiliser, et d'être rapide. C'est une méthode itérative qui a été largement
validée empiriquement et qui converge. Elle est particulièrement adaptée à la classification
de larges volumes de données, ce qui correspond au cas des faciès sismiques.
Considérons un ensemble de n points X (u) = {Xi (u), i = 1, · · · , p} dans un espace de
dimension p donnée. Il est possible de diviser ces points en k groupes, ou « nuées », au
moyen des étapes suivantes [Lebart et al., 1984] (Figure 3.4) :
1. Un ensemble de k points X (u) sont choisis aléatoirement et nommés Cf, cg, ... , cg ;
2. Une première partition I 0 = {If, Ig, ... , Ig} des données est créé telle que Cf, cg, ... , cg
constituent les centres de chaque nuée If, Ig, ... , Ig. Un point est considéré comme
appartenant à la nuée IJ
s'il est plus proche de CJ que de tous les autres centres,
selon une métrique prédéfinie ;
3. Les barycentres des partition If,Ig, ... , I2 sont calculés et nommés Cf, Ci, ... , C~;
4. Une nouvelle partition I 1 = {I{, Ii, ... , I~} est calculée telle que les points C{, Ci, ... , C~
soient les centres respectifs de chacune des nouvelles nuées ;
5. L'opération est répétée jusqu'à ce que Ij soit égale à IH 1 , aux points limites près.
En général, l'algorithme converge après une dizaine d'itérations.
Deux lectures du résultat final sont possibles :
- soit chaque point de données est affecté à la classe dans laquelle il se trouve ;
- soit chaque point de données reçoit une probabilité d'appartenance à chacune des
classes obtenues. Cette probabilité est égale à l'inverse de la distance - euclidienne
ou de Mahalanobis par exemple - entre le point et le centre de la classe considérée.

97
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

--_fi
- - +- --
+ ++ + + + -f,
1

+ ++ + \ + + 1

+ t'
't~~~~
+

~ ~I
C~.f!,
11-0+-J''+ r -
---- -
1
'+- , J- CI + ---
,' \ 20+ + ~
\ + + 1
/

'+
+ t' \
\
rl- ~ ~

FIG. 3.4- Principe des nuées dynamiques:


{A] Choix aléatoire de points cp et cg ;
{B] Constitution des nuées et IP Ig
centrés sur cp et
cg ; {C] Calcul des nouveaux points ct
et CJ' barycentres des nuées et IP Ig ;
{D] Constitution
des nuées If et !J, centrés sur ct
et CJ. (D'après {Lehart et al., 1984} modifié)

3.2.2 Comparaison de la méthode avec les cartes de Kohonen


Les cartes auto-organisatrices de Kohonen [Kohonen, 1997] ont été conçues pour projeter,
sur un ensemble de points de données situés dans un espace nD, un maillage de dimen-
sion inférieure, généralement lD, 2D ou 3D, appelé la carte. Les cartes de Kohonen et
la méthode proposée par Pairazian ont donc en commun de proposer une segmentation
des données dans un espace de dimension inférieure ou égale à la dimension des don-
nées initiales. Comme elles sont actuellement très employées dans l'industrie pétrolière
[Coléou et al., 2003], nous avons voulu effectuer une comparaison plus approfondie.
Les cartes sont implémentées sous la forme d'un réseau de neurone à deux couches (Fi-
gure 3.5). Chaque point de données introduit dans le réseau au niveau de la couche d'entrée
est associé à un neurone de la couche de sortie. Ce neurone représente le centre de la classe
à laquelle est associé le point de données. Le processus d'auto-organisation lui-même est
réalisé au moyen d'une corn pétition entre les différents neurones [Duda et al., 2000 ]. Lors-
qu'un point de données est entré dans le réseau, l'algorithme recherche le neurone qui
lui ressemble le plus. Ce neurone, dit « neurone gagnant », est alors modifié pour mieux
ressembler au point de données. Par le jeux des connexions latérales ses voisins les plus
proches sont également, mais dans une moindre mesure, affectés. Les neurones éloignés ne
sont pas modifiés. Après un certain nombre d'itérations, le réseau s'organise de telle façon
que les points de données proches dans l'espace soient représentés par des points proches
sur la carte.
Les méthodes de classification par les k-moyens et les cartes auto-organisatrices sont
en fait très proches. Les centres des noyaux qui bougent sont analogues aux neurones de

98
3.2. Analyse non supervisée basée sur les nuées dynamiques

neurone

couche
d'entrée

FIG. 3.5- Structure d'une carte de Kohonen. La couche de sortie est composée d'une série de
neurones interconnectés. Un point de données arrivant à la couche d'entrée modifie le neurone
gagnant et ses voisins pour que ces derniers lui ressemblent plus. Après un grand nombre d 'ité-
rations, le réseau s'organise pour donner une représentation discrète et de faible dimension des
points de données.

la carte dont les poids sont modifiés. De plus, dans les deux cas, il faut donner le nombre
de classes a priori. Ce point constitue une limitation importante par rapport à d'autres
approches où ce nombre est automatiquement déterminé [Fournier, 1999].
Les cartes de Kohonen ont cependant la propriété de conserver les relations de voisinage
entre les données initiales dans l'espace de la carte. Cela permet de donner un ordre
naturel aux classes. Avec les cartes de Kohonen, deux faciès similaires auront des couleurs
proches alors qu'avec les k-moyens, les couleurs seront arbitraires [Coléou et al., 2003].
Dans ce deuxième cas, les associations mentales entre faciès sont plus difficiles à réaliser.
En pratique, cependant, les cartes de Kohonen nécessitent un nombre très important
d'itérations pour converger, ce qui les rendent très longues à calculer. Au contraire, le
calcul de l'A.C.P. et des nuées dynamiques est très rapide.
Barnes [Barnes, 2002] a réalisé une comparaison systématique des classes obtenues
entre les k-moyens et les cartes de Kohonen sur des données réelles. Les résultats sont si-
milaires et dépendent plus des attributs choisis que de la méthode employée. Les tests de
Coléou et al [Coléou et al., 2003] montrent eux que les cartes de Kohonen sont légèrement
moins sensibles au bruit dans les données. L'utilisation de l'une ou l'autre méthode dé-
pendra donc du temps disponible pour effectuer les calculs et de l'importance de conserver
les relations de voisinage des classes calculées.

99
Chapitre 3. Des attributs à l)information géologique : les faciès sismiques

3.2.3 Amélioration de l'interface de travail


La reprise des algorithmes développés par Pairazian a nécessité un travail de reprogram-
mation pour une gestion efficace des gros volumes de calculs. En effet, le nombre de
données à analyser est proportionnel au nombre d'attributs et d'échantillons sélection-
nés. Il peut être rapidement très important. Pour prendre en compte ce problème, notre
implémentation comprend :
- une dissociation d'une part des calculs des coefficients permettant de calculer l'A.C.P.
- moyenne, écart-type et corrélations des variables - et les nuées dynamiques -
coordonnées des centres des nuées-, d'autre part du calcul des faciès sismiques;
- une sauvegarde des coefficients de l'analyse dans des fichiers ASCII;
- l'ajout de la possibilité de calculer les coefficients sur un nombre réduit de points de
données tirés au hasard, au lieu d'utiliser la totalité des données disponibles;
- une optimisation des boucles de calculs ;
- le développement d'une interface permettant le regroupement en une même couleur
des faciès sismiques similaires lors de l'affichage.
Le stockage des coefficients permet notamment d'effectuer l'analyse sur une partie du
réservoir et de les réutiliser sur une autre partie.

3.3 Calculs de méta-attributs au moyen des cartes


d'interpolation
Nous avons vu au chapitre 2 qu'une même information géologique peut être marquée par
plusieurs attributs différents. Il peut donc être intéressant de les combiner en un « méta-
attribut » afin de mieux mettre en évidence la caractéristique recherchée. Cette idée,
dérivée des faciès sismiques, nous a conduit au développement d'une nouvelle technique
d'analyse supervisée, que nous avons appelée cartes d'interpolations.

3.3.1 Notion de méta-attribut


Un méta-attribut est un attribut résultant de la combinaison d'un groupe d'attributs
primitifs, tels ceux abordés au chapitre 2. Cependant, nous utiliserons ce terme en ré-
férence à la définition proposée par de Rooij et Tingdhal [de Rooij et Tingdahl, 2002] et
Aminzadeh et de Groot [Aminzadeh et de Groot, 2004]. Ces auteurs définissent l'approche
méta-attribut comme une combinaison d'attributs sismiques supervisée par un pointé de
l'interprétateur sur des zones de calibration, représentatives du faciès recherché. Le résul-
tat est un attribut indiquant la probabilité d'appartenance à ce faciès. Le terme de faciès
est ici à prendre au sens très large : faciès « chenal », faciès « faille » par exemple.
Contrairement à l'analyse de faciès classique, le but n'est pas de corréler des données
de puits dans le réservoir avec la sismique ou des attributs pour remplir un modèle de
réservoir. Il s'agit plutôt de clarifier des informations déjà obtenues par les attributs et déjà
partiellement visibles sur la sismique. Cependant, un méta-attribut ne présente un intérêt

100
3.3. Calculs de méta-attributs au moyen des cartes d'interpolation

pour l'interprétation que s'il discrimine correctement et mieux qu'un attribut primitif
l'information géologique recherchée.
Un exemple de cette approche est développé par Tingdhal et al [Tingdahl et al., 2001]
pour la détection de cheminées sismiques 18 . Dans un premier temps, un géologue expé-
rimenté pointe des zones où se situent des cheminées et d'autres où il ne peut pas y en
avoir. Dans un deuxième temps, plusieurs attributs susceptibles de marquer ces cheminées
- similarité, variance du pendage, énergie - sont calculés. Ils sont ensuite combinés au
moyen d'un réseau de neurones à deux couches qui est entraîné sur les zones précédem-
ment pointées. Le méta-attribut résultant est un cube de probabilité de la présence d'une
cheminée sismique.
De Rooij et Tingdhal [de Rooij et Tingdahl, 2002] proposent également de créer un
méta-attribut à partir d'un même attribut calculé plusieurs fois avec des paramètres dif-
férents. Cette approche éviterait d'avoir à affiner le réglage des différentes options de
calculs.

3.3.2 Principe des cartes d'interpolation


Idée générale

Comme pour les méthodes de calcul de faciès sismique, le choix des attributs à combiner
est fondamental mais difficile et nécessite souvent plusieurs essais. Par ailleurs, pour de
meilleurs résultats, il peut être intéressant de permettre à l'interprétateur d'ajouter ou de
corriger les zones de calibration qu'il a pointées. Ces opérations ne sont cependant pas
possibles avec les réseaux de neurones à cause de la longueur de leur calcul.
Nous avons donc développé une nouvelle structure, souple, rapide et facilement contrô-
lable par l'interprétateur. L'objectif est de pouvoir réaliser rapidement et efficacement les
combinaisons d'attributs. Le principe de la démarche est le suivant (Figure 3.6) :
1. choix et calcul des n attributs supposés en lien avec le faciès à reconnaître;
2. pointé sur la sismique ou sur les attributs des zones de calibration représentant le
ou les faciès recherchés ;
3. application d'une A.C.P. sur les attributs pour obtenir des données de dimension 1,
2 ou 3;
4. représentation des points du réservoir dans l'espace des facteurs de l'A.C.P. Cet
espace est discrétisé au moyen d'une grille régulière 1, 2 ou 3D. Cette grille, que
nous appellerons « carte », représente les différentes combinaisons possibles des
attributs sélectionnés;
5. représentation sur la carte des zones de calibration sous forme de vecteurs de pro-
babilité;
6. interpolation de ces vecteurs sous contraintes;
18
Une cheminée sismique est une migration verticale de gaz dans une roche poreuse saturée faisant
apparaître une zone chaotique en forme de colonne sur la sismique[Tingdahl et al., 2001].

101
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

C')
::r
0
CD )('
.... c.
"CCD
0 t/)
-·cu

sismique initiale ~·~


pointé des zones
de calibration
=-=
CD• ::::!.
C"
v<!.. «.0<. n attributs sismiques
c:
ur
~· è-0
&-0'5::'-
,o~
C')
~ -1-++t-+-'1-+.. c.o
CD :::l
D.S.I. -tn
Q).... ..,
~ C') c:
Q) C')
;+e.
CD 0
::::J
~---------"acJ.e..u)_
r _,_
t _ _ _ _ _ _ _ _t,acteuL.t_ _ _ _ _ _---:.,.

construction de la grille projection des vecteurs


carte finale
(espace des facteurs de I'A.C.P.) · de probabilité de calibration
c.
c: C')
3 g
probabilité
d'appartenance
........
CD•tn
Q) ..,
c:
=.-·.
1
au faciès: Q) C')

• égale à 0 ..,
-·0
C"::::J
. égale à 1
affichage des probabilités ....c:
FIG. 3.6 - Principe des cartes d'interpolations. Une sélection d'attributs sismiques est analysée
avec une A.C.P. pour synthétiser leur information en 1, 2 ou 3D. Une grille régulière, la carte,
est alors construite pour représenter les points du réservoir dans l'espace des facteurs de l'A.C.P.
Par ailleurs, l'inte1prétateur reconnaît sur le réservoir des zones correspondantes au faciès qu'il
veut reconnaîtœ. Les vecteurs de probabilité pointés sont alors projetés sur la carte et interpolés.
La construction du méta-attribut final, qui représente la probabilité d'appartenance au faciès
pointé, est obtenue par lecture des vecteurs de probabilité interpolés sur la carte. Les zones
rouges et bleues des différentes images représentent les zones où la probabilité d'appartenance
au faciès est respectivement nulle et égale à 1.

7. lecture sur la carte des probabilité d 'appartenance aux faciès pour tous les points
du réservoir , et création d'un méta-attribut par faciès.
Nous allons maintenant détailler les étapes clés de cette méthode.

102
3.3. Calculs de méta-attributs au moyen des cartes d'interpolation

Construction de la carte

Soient X 1 , X 2 , ... , Xn les différents attributs sismiques sélectionnés par l'interprétateur.


Comme nous l'avons vu au chapitre 3.1.2, il est possible de représenter les points du
réservoir dans l'espace nD de ces attributs. Chaque point P du réservoir dans l'espace des
observations possède un point image Q dans l'espace des attributs.
Cependant, comme les attributs sélectionnés sont souvent fortement redondants, il est
préférable de leur appliquer auparavant une A.C.P. (cf. chapitre 3.2.1). Nous remplacerons
donc l'espace des attributs X 1 , X 2 , ... , Xn par l'espace des facteurs F1 , ... ,Fm de l'A.C.P.
Cette transformation nous permet également de réduire la dimension du problème den à
1, 2 ou 3 pour des besoins ultérieurs, tout en conservant le maximum d'informations. Pour
la suite des calculs, il est nécessaire que l'espace des facteurs soit discrétisé. Cela peut se
faire au moyen d'une grille régulière Q, de dimension 1, 2 ou 3, selon le nombre de facteurs
retenus. Cette grille ç; constitue notre carte et représente les combinaisons possibles de
nos attributs.
Cependant, il y a une forte probabilité pour que les points images Q représentés sur la
carte soient concentrés sur une partie seulement de la carte. Pour obtenir une répartition
plus régulière des points, il est possible d'utiliser la fonction de distribution cumulée de
leurs coordonnées [Sonka et al., 1993]. Une autre solution, simple et rapide mais moins
efficace, consiste à appliquer aux coordonnées des points Q la fonction de Fermi, définie
par:
1
Y xE IR, Fermi(x) = ( ) (3.5)
1 +exp -x
Cette fonction permet de mieux répartir les points le long de chacun des axes de la grille
et de fixer l'étendue des valeurs à l'intervalle [0, 1]. Elle permet également d'introduire une
certaine non-linéarité dans la combinaison des attributs. La carte correspond donc main-
tenant non plus à l'espace des facteurs F 1 , ... ,Fm, mais à l'espace des facteurs redistribués
F{, ... , F:n.
Notre carte est donc une représentation discrète et de dimension réduite de l'espace
des combinaisons possibles entre les attributs.

Interpolation des vecteurs de probabilités

Les vecteurs de probabilité. L'objectif est maintenant de faire correspondre à chaque


point du réservoir et de la carte une probabilité d'appartenance aux faciès recherchés. Si k
faciès sont recherchés, alors à chaque couple de points {P, Q} doit correspondre un vecteur
de probabilité cp( Q) dont les k composantes { c/J 1 , cjJ 2 , ... , cpk} correspondent à la probabilité
d'appartenance du point à chacun de faciès. De plus, les composantes de cp( Q) sont telles
que

Yi E [1, k], 0~ epi ~1 (3.6)


k

2:: epi 1 (3.7)


i=l

103
Chapitre 3. Des attributs à l )information géologique : les faciès sismiques

Dans le cas le plus simple, c'est-à-dire recherche d'un seul faciès, k sera égal à 2. cp 1
correspondra alors à la probabilité d'appartenance au faciès, cp 2 à la probabilité de non
appartenance au faciès. Les deux méta-attributs résultants seront les mêmes.

Pointé des probabilités d'appartenance aux faciès. Dans l'approche méta-attribut,


la phase de calibration est réalisée par un pointé de l'interprétateur. Dans l'espace des
observations, ce dernier doit reconnaître sur la sismique ou sur les attributs des zones
caractéristiques des faciès à extraire. Cela permet d'associer à chaque point Pcal de ces
zones de calibration un vecteur de probabilité c/Jcal· Chaque vecteur c/Jcal est ensuite associé
au point Qcah image du point Pcat sur la carte.
Considérons l'exemple de la recherche d'un faciès « faille » : F 1 est le faciès « faille » et
F 2 le faciès « non faille » . Un point Pcal reconnu comme faille dans le réservoir est alors
associé à un vecteur c/Jcal ( 1, 0).

Interpolation des vecteurs de probabilités. Si le nombre de points reconnus par


l'utilisateur est suffisamment représentatif et important, il est alors possible d'interpoler
les vecteurs c/Jcal sur l'ensemble de la carte. Cette opération doit cependant se faire sous
contrainte pour que les vecteurs obtenus après interpolation respectent les relations 3.6
et 3. 7. Nous avons choisi pour cela d'utiliser l'interpolateur Discrete Smooth Interpolation
D.S.I. introduit par Mallet [Mallet, 2002]. Cet interpolateur présente, en effet, l'avantage
de bien prendre en compte les contraintes nécessaires à l'obtention d'une probabilité.
Avec les mêmes notations que précédemment, nous considérerons cp la fonction vec-
torielle à k composante cp 1 , cp 2 , ... , cpk qu'il faut interpoler sur la grille Ç. Soit N (a) une
sous-grille de Ç centrée sur une cellule a et incluant a et ses cellules voisines {3. En toute
cellule a, l'interpolateur D.S.I. minimise un critère de rugosité générale R* qui mesure à
la fois un critère de rugosité n et un critère de violation des contraintes p :
R*(cp) = R(cp) + w · p(cp) (3.8)
la constante w permettant d'équilibrer le poids de la violation des contraintes par rapport
à celui de la rugosité.
Le critère de rugosité R de cp en une cellule a est défini pour chaque valeur cpv par
2

VvE [1, k], R(c/Jvla) = { L uv(a,{3) · cpv({3)} (3.9)


(3 E N(a)

où uv( a, {3) est un coefficient pondérateur réel dépendant de la relation entre les cellules
a et {3 et du rang v de la composante de cp considérée.
Le critère de violation des contraintes p correspond à une somme de contraintes c
imposées selon les objectifs à atteindre. Une contrainte c s'exprime de la façon suivante 19

L LA~· cpv({3) N be (3.10)


(3 E N(a) v

19
Bien que nos contraintes puissent se formuler plus simplement, nous reprenons ici, par souci de
cohérence, les formulations proposées dans [Mallet, 2002].

104
3. 3. Calculs de méta-attributs au moyen des cartes d'interpolation

A~ et be étant des coefficients réels dépendants de la contrainte c à respecter, et 1><1 l'un


des opérateurs { c::::', =, >, <}. Dans notre cas, nous avons trois contraintes à respecter :
- les valeurs des probabilités des vecteurs V fournis par l'interprétateur doivent être
respectée au mieux, mais pas exactement. Cette contrainte « floue » c1 est appelée
points de contrôle. Pour chaque cellule a où une composante cp~al d'un vecteur de
calibration cpcal est connue, il faut définir la contrainte suivante

L L A~l · cpv(/3) c::::' cp~al(a) (3.11)


{3 E N(a) v

avec A~1 égal à 1 si j3 = a et v = TJ, 0 sinon. Il faut noter que dans notre cas,
plusieurs points de contrôle peuvent coexister sur une même cellule a. C'est pourquoi
la contrainte doit être floue ;
- cp représentant dans notre cas une probabilité, il faut respecter la relation 3.6. Cela
ce traduit pour chaque composante cp"~ par les contraintes c2 et c3

L L A~2. cpv(/3) > 0 (3.12)


{3 E N(a) v

L L A~3. cpv(/3) < 1 (3.13)


{3 E N(a) v

avec A~2 et A~3 égaux à 1 si j3 = a et v = TJ, 0 sinon. Il faut également respecter la


relation 3.7, ce qui donne la contrainte c4

L L A~4 · cpv (/3) 1 (3.14)


{3 E N(a) v

avec A~4 égal à 1 si j3 = a, 0 sinon.


L'interpolateur D.S.I. nécessite une solution initiale, de préférence la plus proche pos-
sible du résultat final pour une convergence rapide. Dans notre cas, il s'agit simplement
d'attribuer à toutes les cellules a de Q le vecteur d'équiprobabilité cpini(1/k, 1/k, ... , 1/k).
En partant de cette solution, l'algorithme D.S.I. va itérativement minimiser la rugosité
générale. À la convergence, la propriété obtenue respectera les contraintes qui lui ont été
imposées tout en ne variant par brutalement d'une cellule à une autre.

Résultat final. Après l'interpolation, le vecteur cp de probabilité d'appartenance aux


faciès est connu en tout point Q de la carte Q. Il est alors possible d'associer à chaque
point P du réservoir le vecteur cp de son point image Q. Pour chaque faciès, il est ainsi
possible de générer un méta-attribut représentant la probabilité d'appartenance au faciès
en question.

Édition de la carte

Au moyen d'une interface appropriée, il est facile de permettre à l'utilisateur d'éditer la


carte d'interpolation s'il estime qu'elle comporte des erreurs, s'il désire une propriété cp

105
Chapitre 3. Des attributs à l )information géologique : les faciès sismiques

plus lisse, où s'il veut ajouter ou retirer des points de calibration. En effet, l'interpolateur
D.S.I. étant itératif, il suffit, après modification de la carte, de relancer un faible nombre
d'itérations pour arriver à une nouvelle convergence.
Pour faciliter cette édition, nous avons également ajouté un système de pointé per-
mettant à l'interprétateur de sélectionner une zone du réservoir ou de la carte et de voir,
pratiquement en temps réel, la zone correspondante, respectivement sur la carte ou dans
le réservoir.

3.3.3 Application à la détection de failles


Il existe de nombreux attributs pour marquer les failles. Il peut être intéressant de cal-
culer un méta-attribut « faille », comme proposé dans [de Rooij et Tingdahl, 2002] et
[de Rooij et Tingdhal, 2003], pour arriver à éliminer les défauts respectifs des attributs
initiaux en les combinant entre eux.
Le cube sur lequel nous voulons extraire le méta-attribut a une taille de 5 millions de
cellules et possède un réseau dense de failles traversant de grandes zones de bruit. Les
attributs sélectionnés sont la semblance calculée sur une fenêtre verticale de 21 points, la
semblance calculée sur une fenêtre verticale de 31 points et la variance du pendage (Fi-
gure 3.7-A). La semblance est un bon indicateur de failles. Elle a cependant tendance à
présenter des artefacts le long des limites stratigraphiques, à cause de certaines perturba-
tions dans les signaux sismiques. La localisation de ces artefacts est cependant différente
quand la taille verticale de la fenêtre de calcul est modifiée. Par ailleurs, la variance du
pendage, par rapport aux semblances, a l'avantage de présenter un contraste fort entre les
zones de failles et de bruit et les zones cohérentes, mais présente un aspect en pointillés
qui nuit à sa lisibilité.
Après calcul de ces attributs, nous avons reconnu rapidement un série de points de
calibration sur le cube : pointé d'une dizaine de lignes sur des sections où les failles
sont bien visibles, et pointé d'une dizaine de polygones sur des sections où les horizons
sismiques sont cohérents et parallèles (Figures 3. 7-A et B). La carte d'interpolation choisie
est 2D, comprenant 50 cellules le long de chaque axe (Figure 3.7-C), et son temps de calcul
est de l'ordre de la minute. Certains points de calibration visiblement incorrects sur la
carte - par exemple un point représentant le faciès « faille » isolé au milieu de points
représentant le faciès « non faille » - ont cependant nécessité une correction et une
édition de la carte. Le méta-attribut finalement obtenu est visible sur la Figure 3.7-D. Il
représente la probabilité d'appartenance à une faille. Comme sur les attributs initiaux, les
zones de bruit ne sont pas distinctes des failles. Cependant, par rapport aux semblances,
les zones de failles et de bruits se distinguent nettement des zones ou les horizons sont
cohérents, notamment sur la section verticale. Par rapport à la variance du pendage, les
zones de failles et de bruits sont plus continues, notamment sur la section horizontale.

106
3.3. Calculs de méta-attributs au moyen des cartes d'interpolation

attributs

\~

F1
carte d'interpolation

\
!ID pointé des failles

méta-attribut
FIG. 3.7 - Détection de failles au moyen des cartes d'interpolations.
[A] attributs initiaux, respectivement sw· une section horizontale [A 1J et verticale du cube {A 2 ].
Les semblances sont en noir et blanc, la variance du pendage en couleur.
{Bj pointé des zones de calibration.
{Cj carte d'interpolation 2D calculée.
{D 1J et {D 2 ] méta-attribut "probabilité de failles" (en rouge : faible probabilité, en bleu : forte
probabilité) obtenu sur les mêmes sections horizontales et verticales. Par rapport aux semblances,
les zones de failles et de bruits se distinguent nettement des zones où les horizons sont cohérents.
Par rapport à la variance du pendage, les zones de failles et de bruits sont plus continues.

107
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

3.3.4 Discussion
Comparée aux réseaux de neurones utilisés dans [de Rooij et Tingdhal, 2003]
et [Aminzadeh et de Groot, 2004], notre méthode a l'avantage d'être extrêmement rapide.
Cela permet d'une part d'effectuer plus de tests, d'autre part de permettre à l'utilisateur
d'interagir avec la carte en temps réel. Ces avantages peuvent permettre d'améliorer le
méta-attribut obtenu.
Les réseaux de neurones permettent cependant d'obtenir des combinaisons d'attributs
plus complexes que celles obtenues sur notre carte. Notre objectif est donc de remplacer
l'A.C.P. classique utilisé ici d'autres méthodes plus représentatives de la distribution des
points de données dans l'espace des attributs, comme une A.C.P. non linéaire ou comme
les projections révélatrices. La méthode ainsi obtenue serait plus proche des cartes de
Kohonen (cf. chapitre 3.2.2), les cellules de la grille régulière étant analogues aux neurones
de la carte.
Comme nous l'avons vu, l'interpolation des points de calibration permet d'associer
à chaque combinaison d'attributs une probabilité d'appartenance à un faciès. Les cartes
d'interpolation pourraient donc être utilisées pour l'analyse supervisée de faciès sismiques
à partir de puits. L'interpolation demande cependant de disposer de suffisamment de
points de calibration répartis sur la carte. Cela ne pose généralement pas de problème
dans le cas des méta-attributs, car l'utilisateur peut effectuer rapidement de nombreux
pointés. En revanche, cela peut poser problème avec les données de puits. Cette limitation
est d'ailleurs à l'origine des dimensions réduites de la carte d'interpolation : dans une
carte de dimension 4, par exemple, un même groupe de points de contrôle sera beaucoup
plus dilué que sur une carte de dimension 1 ou 2.

3.4 Conclusion
Si de nombreuses méthodes permettent aujourd'hui de passer des attributs sismiques à des
faciès géologiques, directement interprétables par le géologue, il n'existe pas de procédure
donnant systématiquement des résultats. Au contraire, chaque étude de réservoir nécessite
une sélection propre d'attributs et de processus d'analyse et de calibration, fonction de la
nature des roches, de la quantité et de la qualité des données, et des objectifs fixés. Par
ailleurs, la nature des liens entre attributs et faciès reste généralement mal comprise.
Dans ce travail, nous nous sommes plus particulièrement intéressés à deux méthodes
d'analyse. La première, réalisée dans la continuité du travail de Pairazian [Pairazian, 1998],
est non supervisée et basée sur l'analyse en composantes principales et les nuées dyna-
miques. Elle est bien adaptée à la segmentation des attributs sismiques. La seconde,
supervisée, interpole, sur une carte représentant l'espace des attributs, des probabilités
d'appartenances à des faciès géologiques pointés dans le cube par l'interprétateur. Elle est
bien adaptée au calcul de méta-attributs. Des développements supplémentaires devraient
lui permettre de calculer des faciès sismiques à partir de relations non linéaires entre
attributs sismiques.

108
3.4. Conclusion

En général, l'objectif du calcul des faciès sismiques est de pouvoir caractériser un


réservoir. Si les méthodes de calcul des faciès ne s'intéressent généralement pas à la géo-
métrie du réservoir, il est cependant nécessaire d'en construire préalablement un modèle,
qui sera ensuite rempli par les faciès. La construction de ce modèle passe également par
l'interprétation de la sismique et l'utilisation des attributs sismiques.

109
Chapitre 3. Des attributs à l'information géologique : les faciès sismiques

110
Chapitre 4

Des attributs au modèle structural :


le pointé des surfaces géologiques

'intérêt premier des images sismiques est d'offrir au géologue une représentation des
L principales structures du sous-sol, et notamment des limites stratigraphiques. Il faut
cependant que le géologue arrive à connecter entre eux les différents points de l'image
qui lui semblent appartenir aux mêmes structures géologiques pour qu'il obtienne une
idée claire des relations de ces structures et de leur formation. Ce travail, qui se faisait
autrefois sur papier sur les sections sismiques 2D, nécessite aujourd'hui d'être automatisé
lors de l'analyse des cubes sismiques 3D. Ce travail est, en effet, particulièrement long et
fastidieux pour l'interprétateur.
Il faut cependant disposer d'algorithmes capables de reconnaître et d'extraire efficace-
ment les objets recherchés. Nous aborderons donc, au cours de ce dernier chapitre, d'une
part les méthodes que nous avons développées pour le pointé automatique d'horizons
sismiques, d'autre part les recherches effectuées sur le pointé des failles.

4.1 Pointé automatique des horizons sismiques


Un horizon sismique peut se définir comme une succession sub-horizontale d'événements
sismiques cohérents. Lors de l'analyse d'une section sismique, le géologue relie et prolonge
virtuellement les portions voisines de traces sismiques de forme similaire. C'est ainsi qu'il
conceptualise un horizon parmi le reste de la section sismique.
L'objectif des algorithmes de pointé des horizons sismiques est d'effectuer automati-
quement cette reconnaissance, puis de connecter les points extraits, et finalement de les
stocker sous la forme d'une surface quadrangulée ou triangulée. En géologie pétrolière, seul
un nombre réduit d'horizons sismiques est pointé sur la sismique. Il s'agira typiquement
du toit et de la base du réservoir et de quelques horizons intermédiaires. Cet ensemble
de surfaces est ensuite utilisé pour construire un modèle structural. La qualité du pointé
influence donc beaucoup la qualité de la modélisation du réservoir, et, par conséquent, les
estimations des réserves d'hydrocarbures disponibles. Il est donc important d'éviter les

111
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

nombreux pièges inhérents au pointé même des horizons, ou à l'automatisation de cette


tâche.

4.1.1 Introduction aux méthodes de pointé des horizons


Pointé sur les sections avant sommation

Les premiers algorithmes de pointé automatique d'horizons sont apparus pour l'étude
des vitesses sur les sections avant sommation [Schneider, 1971]. Le problème, toujours
d'actualité [Chauris et al., 2002], est cependant relativement différent du pointé d'horizons
sur les sections sommées, qui nous intéresse ici. En effet, le pointé pour les analyses de
vitesse se fait sur un nombre réduit de traces sismiques et sur des événements sismiques
de forme parabolique.

Filtrage des horizons sur les sections sismiques

Dès la fin des années 1960, cependant, Paulson et Merdier [Paulson et Merdier, 1968] pro-
posent d'extraire automatiquement les horizons des sections 2D enregistrées sur les bandes
magnétiques. À cause des performances limitées de méthodes de traitement de l'époque,
ils convertissent la section en une image binaire : les pics d'amplitude sismique sont mar-
qués par un bit positif, et le reste du cube par un bit nul. L'image est donc constituée
d'un ensemble de points représentant soit les horizons, soit du bruit. Ils cherchent alors
des triplets de points voisins le long d'une ligne droite de faible pendage. Ils prolongent
alors la droite des deux côtés et regardent si elle passe alors par un point. Si c'est ef-
fectivement le cas, ils considèrent avoir trouvé un horizon, sinon ils excluent le triplet
de la suite de l'analyse. Ils obtiennent ainsi une nouvelle image 2D où les principaux
horizons sismiques apparaissent dans un minimum de bruit. Cette nouvelle image per-
met ensuite de préparer le travail d'interprétation proprement dit. D'autres méthodes de
filtrage des données sismiques, plus ou moins perfectionnées, ont par la suite été déve-
loppées. Certains algorithmes se basent sur la détection des contours de l'image sismique
[Keskes et al., 1982] [Bandar, 1992] [Flinchbaugh, 1986], d'autres sur des tests statistiques
[Hansen et al., 1988].

Pointé automatique de surfaces à partir de graines

Une étape supplémentaire est apparue dans les années 1980 avec la sismique 3D et la
modélisation 3D. L'augmentation du volume de données à traiter nécessitait, en effet,
de pouvoir non seulement filtrer les horizons sur les sections sismiques, mais également
de construire un réseau connecté de points dans l'espace, et ainsi de former une surface
représentant l'horizon. Dans cette perspective, Keskes et al [Keskes et al., 1983] proposent
un programme pour connecter entre eux les points filtrés par les méthodes précédentes.
L'horizon est extrait en 2D, section sismique par section sismique. Les lignes obtenues sont
ensuite assemblées en une surface 3D. Une méthode similaire est proposée par Flinchbaugh

112
4.1. Pointé automatique des horizons sismiques

[Flinchbaugh, 1986] [Flinchbaugh, 1988] qui ajoute cependant une étape de filtrage, où
toutes les lignes extraites dont la courbure est trop importante sont éliminées.
Finalement, le développement de l'infographie et des outils de manipulation des don-
nées ont donné naissance aux méthodes actuelles de pointé des horizons sismiques, telles
que décrites dans [Howard, 1991]. L'interprétateur pointe une ou plusieurs cellules sur le
cube sismique. Ces cellules, appelées« graines», doivent appartenir à l'horizon qu'il désire
extraire. Un algorithme détermine alors un coefficient de ressemblance entre les graines
et leurs voisines. Les cellules ressemblant suffisamment aux graines sont marquées comme
appartenant à l'horizon, puis ajoutées à la liste des graines. Le processus est ensuite répété
avec ces nouvelles graines pour extraire l'horizon de proche en proche.
L'utilisation de ces graines permet de limiter l'extraction aux seuls horizons qui inté-
ressent l'interprétateur. De plus, elles lui permettent de contrôler plus facilement la qualité
de l'horizon obtenu en ajoutant ou retirant des graines. Le résultat dépendra cependant
également du moyen utilisé pour calculer la ressemblance entre une graine et une cellule
vmsme.

Les méthodes de comparaison des points de l'image sismiques

Les principaux algorithmes actuels de pointé automatique d'horizons 3D peuvent se classer


en trois catégories [Dorn, 1998] :
- le pointé basé sur la recherche d'une caractéristique commune du signal sismique,
sans calcul de corrélation. Il peut s'agir de la recherche de pics ou de creux du
signal sismique [Lu et Cheng, 1990] [Hildebrand, 1992]. La recherche est stoppée si
la caractéristique n'est pas trouvée;
- le pointé basé sur la corrélation des traces sismiques elles-mêmes
[Keskes et Bidegaray, 2000] [Srinivasan et Ikelle, 2001]. Cette méthode reprend l'idée
que la corrélation de signaux sismiques permet de trouver le pendage des horizons
qui les traversent. Un point de l'image sismique est caractérisé par la portion du si-
gnal sismique comprise dans une fenêtre verticale centrée sur ce point. L'algorithme
calcule alors un coefficient de corrélation entre la graine et les cellules de la trace
voisine (Figure 4.1-A). La cellule retenue est celle qui est associée à la corrélation
la plus élevée. La recherche est cependant arrêtée si cette corrélation maximale est
inférieure à un seuil prédéfini ;
- le pointé basé sur la recherche de voxels multi-attributs. Une série de n attributs
sélectionnés par l'interprétateur est calculée. Chaque cellule du cube sismique est
alors caractérisée par les n valeurs de ces attributs, elle est donc appelée voxel
multi-attributs. L'interprétateur définit ensuite, pour chacun de ces attributs, des
intervalles de valeurs dans lesquels sont sensés se situer les points appartenant à
l'horizon à extraire. Cet horizon est ensuite extrait simplement en recherchant les
voxels connectés à un voxel-graine selon une face, une arrête ou un angle et situés
dans les bons intervalles de valeur (Figure 4.1-B). Par exemple, il est possible d'ex-
traire un horizon en cherchant des voxels connectés de forte amplitude sismique et
de forte semblance [Meyer et al., 200 1].

113
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

Le pointé basé sur la recherche de caractéristique commune est la méthode la plus


simple et la plus rapide. Elle est cependant beaucoup moins robuste que le pointé basé
sur la corrélation. Cette deuxième technique, la plus coûteuse en calculs, prend en effet en
compte, non pas un point particulier du signal sismique, mais la forme entière d'une por-
tion du signal. Si la fenêtre de corrélation est suffisamment grande, cette forme correspond
à plusieurs horizons. Cela permet de guider l'extraction d'un horizon en s'appuyant sur
les horizons qui lui sont parallèles, mais pose des problèmes si les événement au dessus ou
au dessous de l'horizon extrait ne sont pas cohérents. Le pointé multi-attributs essaie de
combiner les deux approches : pour plus de rapidité et pour éviter le problème des signaux
voisins non cohérents, il ne considère qu'un seul point du signal sismique; pour plus de
robustesse il prend en compte plusieurs propriétés pour caractériser le signal, c'est-à-dire
plusieurs attributs. En pratique, le pointé multi-attributs est cependant plus sensible au
bruit que le pointé basé sur la corrélation. De plus, le paramétrage est plus compliqué car
il faut définir les intervalles de valeurs recherchées pour chacun des attributs.
Dorn [Dorn, 1998] conseille donc d'utiliser le pointé multi-attributs quand la qualité de
la sismique est suffisamment bonne, et le pointé basé sur la corrélation du signal sismique
dans le cas contraire. D'une manière générale, comme pour toute méthode automatique de
traitement des données, il est important de bien comprendre les spécificités des algorithmes
de pointé automatique utilisés pour ne pas faire d'erreur d'interprétation.

Difficultés du pointé automatique des horizons sismiques

Les méthodes de pointé de surface supposent que les données sont localement continues,
consistantes, et qu'elles varient peu latéralement. Ces hypothèses, lorsqu'elles ne sont
pas vérifiées localement, en présence de bruit ou de structures géologiques particulières,
peuvent poser certaines difficultés [Herron, 2000] :
- quand les horizons d'une même strate sont parallèles et similaires entre eux, le
pointé automatique peut facilement sauter d'un horizon à un autre. Pour éviter ce
problème, il est nécessaire de limiter l'écart vertical autorisé entre deux points d'un
même horizons. Cette contrainte empêche cependant de pointer des structures de
pendage élevé ;
- il existe un certain rapport de signal sur bruit en deçà duquel le pointé automatique
ne fonctionnera pas. Certains auteurs ont développé une approche multirésolution
pour abaisser ce seuil [Maroni et al., 200 1] : en effectuant un premier pointé à une
faible résolution, ils peuvent guider un second pointé plus précis à haute résolution.
Néanmoins, il est généralement plus efficace d'effectuer la tâche manuellement quand
le bruit est trop important;
- il arrive parfois que l'horizon à pointer ne soit pas un événement cohérent. Il s'agit
typiquement du cas des limites d'un chenal ou d'un dôme de sel. Dans ce cas, il faut
également recourir au pointé manuel.

114
4.1. Pointé automatique des horizons sismiques

t • graine <, angle de recherche t voxel multi-attributs point extrait


• point extrait - fenêtre de calcul D non sélectionnable • connectivité face
• sélectionnable • connectivité angle

• graine

FIG. 4.1 -Méthodes de pointé automatique.


[A} Pointé par corrélation du signal : la trace sismique de la graine est corrélée avec la trace
voisine selon différents pendage; Le maximum de corrélation donne la localisation de l'horizon
sur la trace (d'après [Dorn, 1998} modifié).
[B} Pointé multi-attributs : l'interprétateur sélectionne les intervalles de valeurs d'attributs dans
lequel l'horizon peut éventuellement se situer (en gris); l'algorithme cherche ensuite, à par-
tir d'une graine fournie pa1· l'inte1prétateur (en rouge), les points connectés (en bleu) (d'après
[Dorn, 1998} modifié).
[C} Pointé par les faciès sismiques : {C1J section sismique verticale, [C2 } après pointé : chaque cou-
leur représente un faciès particulier, c'est-à-dire un horizon (Figure tirée de {Borgos et al., 2003}).
[D} Pointé par tranches : les différentes coupes temps traversant l'horizon à pointer sont filtrées et
affichées simultanément [D 1}, puis l'utilisateur pointe sur chaque coupe temps l'horizon qui l'in-
tél·esse. L'association finale des différentes tranches pointées[D2 } permet de construire l'horizon
sismique (Figure tirée de {Stark, 1996}).

115
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

D'autres approches

En dehors du pointé à partir de graines, d'autres méthodes d'extraction des horizons ont
été développées depuis les années 1990. Elles ont généralement été développées dans un
but particulier et sont utilisées de façon plus marginale. Nous détaillerons ici plus parti-
culièrement deux méthodes, l'une basée sur les faciès sismiques, l'autre sur l'observation
de coupes temps du cube sismique.

Les faciès sismiques. Il est possible d'appliquer aux horizons sismiques les méthodes
de reconnaissance de forme vues au chapitre 3.1.1. L'objectif est de rechercher des fa-
ciès « horizons sismiques » à partir d'un ensemble d'attributs sismiques. Il est possible
d'utiliser les réseaux de neurones [Kemp et al., 1992] [Alberts et al., 2000] pour une ana-
lyse supervisée à partir de points d'apprentissage, ou des méthodes de classification non
supervisées [Borgos et al., 2003] (Figure 4.1-C). Le résultat est une propriété discrète où
chaque horizon sismique correspond à un faciès particulier.
Les méthodes de reconnaissance de forme ont l'avantage de connecter automatique-
ment les horizons sismiques de part et d'autre des discontinuités, contrairement aux poin-
tés à partir de graines. Borgos et al utilise cet avantage pour calculer automatiquement
le rejet des failles, Cependant, ces-méthodes sont difficile à mettre en place - choix des
attributs, de la méthode de classification, apprentissage -, relativement longue à calcu-
ler, et le résultat nécessite souvent d'être filtré car il se produit facilement des erreurs de
classification. De plus, l'horizon proprement dit reste à extraire de la propriété de faciès.

Pointé par tranches. Une approche originale a été proposée par Stark [Stark, 1996]
pour l'extraction d'anticlinaux. Dans un premier temps, tous les événements sismiques
qui ne correspondent pas à un pic du signal sont rendus transparents à l'affichage. Dans
un deuxième temps, les coupes temps successives qui traversent l'anticlinal étudié sont
affichées côte à côte (Figure 4.1-D 1 ). Sur chacune de ces sections, 1'anticlinal est alors
représenté sous la forme de lignes concentriques. Il ne reste plus, pour l'interprétateur, qu'à
sélectionner la ligne de chaque coupe temps qui correspond au même événement, c'est-à-
dire l'horizon qu'il désire pointer. Les différentes lignes s'ajustent alors parfaitement entre
elles pour former l'horizon (Figure 4.1-D 2 ). Cette méthode présente l'avantage d'être très
rapide car il suffit à l'utilisateur d'effectuer quelques sélections pour construire son horizon.
L'analyse des horizons par coupe temps requiert cependant une certaine expérience de la
part du géologue et se prête mal au cas des horizons de géométrie complexe.

4.1.2 Pointé basé sur les polynômes trigonométriques


Le calcul des attributs de pendage au moyen des polynômes trigonométriques nous a
conduit naturellement à développer un nouvel algorithme de pointé des horizons sismiques
basé sur la corrélation du signal sismique.

116
4.1. Pointé automatique des horizons sismiques

Principe général

Comme nous l'avons vu aux chapitres 1.3.2 et 2.3.1, le calcul de la fonction de corrélation
de deux polynômes trigonométriques permet de trouver précisément le pendage entre les
deux polynômes. Imaginons un point quelconque du signal sismique que l'interprétateur
désire suivre le long d'une section sismique verticale :
- l'interprétateur pointe une graine à un instant t sur le signal f interpolé avec un
polynôme trigonométrique ;
- la trace g voisine de f est interpolé également avec un polynôme trigonométrique et
la fonction de corrélation Cfg (cf. équation 1.38) est calculée. Cette fonction donne
le décalage optimal ~ entre les deux polynômes f et g ;
- le point de la trace g situé à l'instant t + ~ est ajouté à l'horizon à extraire.
Cette approche permet d'obtenir une bonne précision du décalage ~' qui n'est pas ici un
multiple du pas d'échantillonnage des signaux sismiques. Les effets d'aliasing sont donc
limités, et le résultat plus précis qu'une approche discrète du signal.
En partant de cette solution, il est facile de programmer un algorithme de pointé
automatique 2D ou 3D tel que décrit plus haut. L'utilisateur pointe une graine sur une
section sismique, et l'horizon est extrait de proche en proche, en s'étendant latéralement
comme le ferait une tache d'huile. Dans notre implémentation, l'horizon est représenté sous
forme d'une grille 2D de même résolution que le cube sismique, grille où n'est stockée que
la coordonnée verticale des points, les coordonnées horizontales étant déduites de l'index
des cellules.

Limitation des erreurs de pointé

Pour limiter les erreurs telles que le saut d'un horizon à un autre, nous avons ajouté les
contrôles déjà vus plus haut : arrêt de la recherche quand le pourcentage de corrélation est
trop faible - moins de 70 à 80% en général - ou quand le décalage ~ est trop important.
Pour gérer le cas des inconformités, nous avons également ajouté une option permettant
à l'interprétateur de décentrer la fenêtre de calcul du polynôme (Figure 4.2).
Une autre source d'erreur est inhérente aux approches proposées dans [Howard, 1991]
[Hildebrand, 1992]. Dans les méthodes proposées par ces auteurs, l'extraction se fait en
comparant les cellules du cube non encore analysées aux cellules du bord de l'horizon
déjà extrait. La graine fournie par l'utilisateur n'est utilisée que pour l'extraction des cel-
lules directement adjacentes, elle passe ensuite le relais aux cellules nouvellement extraites
(Figure 4.3-B 1 ). Dans ce cas, au fur et à mesure de l'extraction, les cellules de l'horizon
utilisées pour effectuer le test de ressemblance sont de plus en plus éloignées géographi-
quement de la graine fournie par l'interprétateur. Elles sont également de plus en plus
différentes, et le risque de divergence de l'algorithme augmente au cours de l'extraction.
Il est possible de limiter ce problème en vérifiant que l'extraction inverse, à partir d'un
point extrait, permet de retrouver la graine (Figure 4.3-C) ou en validant un point en le
corrélant avec plusieurs graines (Figure 4.3-D) [Howard, 1991]. Cependant, ces stratégies
sont coûteuses en calculs, particulièrement dans le cas des pointés basés sur la corrélation.
Nous avons donc choisi une autre solution, qui consiste à n'effectuer les corrélations qu'avec

117
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

e graine
D fenêtre d'extraction

FIG. 4.2 - Décentrage de la fenêtre d'extraction pour un pointé le long d'une inconformité
{A} fenêtre centrée, l'extraction ne peut fonctionner car les horizons sélectionnés ne sont pas
parallèles entre eux; {B} fenêtre décentrée, permettant de ne suivre que les horizons situés sous
1'inconformité.

la graine initiale fournie par l'interprétateur (Figure 4.3-B 2 ). L'altitude de recherche de


la position des nouvelles cellules reste cependant déterminée par l'altitude des cellules de
l'horizon les plus proches. L'horizon s'étend moins loin, mais les risques de divergence sont
nettement moins élevés. Les bords de l'horizon peuvent ensuite être réutilisés eux-mêmes
comme graine pour étendre plus loin l'horizon20 .

Pointé multi-graines

Il nous a également semblé important que l'interprétateur puisse pointer soit plusieurs
graines en même temps, soit ajouter de nouvelles graines après extraction, éventuellement
pour corriger des portions d'horizon déjà extraite.
Le pointé multi-graines utilisé dans cette optique pose cependant plusieurs problèmes :
- il faut gérer la possibilité d'avoir plusieurs solutions, c'est-à-dire plusieurs coordon-
nées verticales, pour l'horizon extrait sur une même trace sismique;
- il ne faut cependant pas que l'algorithme tourne en boucle en testant plusieurs fois
la même trace à partir de la même graine ;
- il ne faut pas privilégier une graine par rapport aux autres, ni une direction d'ex-
traction donnée, pour ne pas influencer artificiellement la forme de l'horizon.
Nous avons donc retenu les solutions suivantes :
- l'horizon extrait ne peut avoir qu'un seul point par trace sismique. Dans le cas des
failles inverses, où un même horizon peut se chevaucher, il faudra effectuer deux
pointés distincts ;
- quand deux solutions sont possibles pour un même point, seule celle avec le coeffi-
cient de corrélation le plus élevé est retenue (Figure 4.4-E et F);
un point n'est comparé avec une graine donnée qu'une seule fois au cours de l'ex-
traction;
2
°Ce qui ne revient pas au même que la solution basée systématiquement sur la corrélation avec les
bords de l'horizon.

118
4.1. Pointé automatique des horizons sismiques

t t

~ ..---~-~~•x
[9
Y.

• graine signaux corrélés


• point extrait - ~ corrélation

FIG. 4.3 - Choix des procédures de corrélation.


{A}-[B] Choix du signal utilisé pour la corrélation. La longueur d correspond à la moitié de la
fenêtre (en rouge) utilisée pour calculer le polynôme trigonométrique. [A] L'extraction du premier
point, sur f 2 , est effectuée en comparant le signal P au signal f 1 au niveau de la graine fournie
par 1'interprétateur. Pour extraire l'hOTizon sur f 3 , il existe deux possibilités : {B 1J comparer le
signal J3 avec le signal p, ou {B 2 ] comparer le signal f 3 avec le signal de la graine f 1 . Dans
ce deuxième cas, la position verticale de la fenêtre de corrélation utilisée en f 3 est néanmoins
calculée en fonction de la position du bord de l'horizon extrait en f 2 .
{C] Corrélation inverse (vue en 3D) : un point extrait est validé en inversant les rôles de la graine
et du point extrait. Le résultat doit redonner la graine. {D] MulticoiTélation (vue en 3D) : un
point extmit est validé quand il peut être obtenu à partir de plusieurs graines en même temps.

119
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

- l'extraction est toujours effectuée à partir de la cellule extraite avec la corrélation


la plus élevée (Figure 4.4-A à D). Les cellules ressemblant le plus aux graines de
départ seront donc privilégiées.
Il faut donc stocker au niveau de chaque point extrait les coordonnées de la graine qui a
été utilisée pour l'extraction, ainsi que le coefficient de corrélation obtenu.

Ajustement du pointé

Les horizons sont généralement pointés au niveau d'un instant particulier du signal : pic,
creux ou passage au zéro. L'utilisation d'un signal continu comme les polynômes trigo-
nométriques permet facilement d'ajuster le pointé imprécis de l'interprétateur à l'instant
désiré (Figure 4.5), et si nécessaire d'ajuster chaque point après extraction.

Applications

L'extraction d'horizon au moyen des polynômes trigonométriques est bien adaptée à l'ana-
lyse du seul signal sismique. La continuité de l'horizon obtenu peut d'ailleurs être gran-
dement améliorée en effectuant le pointé sur le filtre de lissage de la sismique proposé au
chapitre 2.4.2 (Figure 4.6).
La méthode peut même être appliquée à des attributs sismiques très différents de la
sismique, car la méthode de corrélation utilisée fonctionne a priori sur tous les types
de signaux. Des tests concluants ont par exemple été menés sur un cube d'impédance
acoustique. L'interpolation n'est cependant pas forcément optimale, et il n'est possible de
n'utiliser qu'un seul attribut à la fois pour l'extraction.

4.1.3 Pointé multi-attributs par recherche de motifs


Le pointé de voxels multi-attributs, tel que nous l'avons vu plus haut, se résume à une
simple recherche de voxels multi-attributs connectés et compris dans certains intervalles
de valeurs. Par rapport au pointé basé sur la corrélation, la méthode a l'avantage d'être
rapide et de prendre en compte plusieurs propriétés en même temps. Elle ne présente pas
de difficulté particulière de programmation autre qu'une interface adaptée. Le choix des
intervalles de valeurs corrects peut cependant se révéler difficile pour 1'interprétateur. Or,
ces intervalles vont contrôler l'expansion latérale, mais aussi verticale, de l'horizon extrait.
Les voxels connectés extraits peuvent en effet représenter un volume et non une surface.
Le pointé basé sur la corrélation présente les deux avantages de ne nécessiter qu'un seul
paramètre de réglage - le seuil de corrélation - et, dans la méthode que nous avons
présentée, de créer directement une surface.
C'est pourquoi nous proposons un pointé multi-attributs basé sur la corrélation. Dans
la littérature, cette technique semble relativement récente dans l'extraction d'horizons 21 .
Parmi les multiples possibilités de calculer les corrélations, nous avons choisi la méthode
21
Sheffield et al [Sheffield et al., 2003], qui ne spécifient pas leur méthode, la qualifie de « technique
de pointé automatique du XXIème ».

120
4.1 . Pointé automatique des horizons sismiques

x x

, /
95
t--89
94-
1
87
1--82

y
s4

• graine active • cellule d'extraction 75 cellule en cours de test direction


• graine inactive • ex cellule d'extraction 84 cellule testée et extraite d'extraction

FIG. 4.4 - Exemple de procédure d'extraction. Le cube sismique est vu de dessus, les chiffres
indiquent le pourcentage de corrélation entre la cellule et la graine correspondante. [A] L'in-
terprétateur fournit deux graines (en rouge). Toutes les traces sismiques voisines de ces deux
graines sont corrélées avec elles, ce qui donne un pourcentage de corrélation et une coordonnée
verticale de l'horizon (non représentée ici) . {Bj Le seuil de bonne colTélation est fixé à 80%.
Toutes les cellules dépassant ce seuil sont donc ajoutées à l'horizon. {Cj La cellule possédant
la meilleure colTélation (en bleu) est utilisée pour poursuivre l'extraction; la graine active (en
rouge) est donc celle qui a servi à extraire cette cellule bleue. Toutes les traces sismiques voi-
sines de la cellule bleue, sauf celles appartenant déjà à l'horizon, sont corrélées avec la graine
active. [D] Comme précédemment, seules les cellules dont la corrélation est supérieure au seuil
de 80% sont gardées en mémoire. [E] Le processus est répété, toujours en prenant la cellule avec
la meilleure corrélation. Sur cet exemple, la graine active est maintenant celle de droite. Les
cellules appartenant déjà à l'horizon mais extraites avec l'autre graine sont corrélées à nouveau
avec la nouvelle graine active. C'est le cas ici de la cellule au dessus de la cellule centrale, qui a
une corrélation de 87% avec la graine de gauche, et de 89% avec la graine de droite. {Fj Cette
deuxième solution, meilleure, est finalement retenue.

121
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

creux
passage à 0 type S
pic
passage à 0 type Z

FIG. 4.5- Points remarquables d'un signal sismique sur lesquels peut être ajusté un pointé.

FIG. 4.6 - Application du filtre de lissage des horizons sismiques pour leur extraction. [A} Ho-
rizon extrait sur la sismique initiale. Les lignes droites correspondent aux graines. {B} Horizon
extrait avec les mêmes graines que précédemment, mais sur la sismique filtrée. Noter la dispari-
tion de nombreux trous et l'extension plus importante de l'horizon extrait.

présentée au chapitre 1.3.3. L'équation de calcul de la corrélation présente en effet l'avan-


tage d'être simple et rapide, et de fournir une corrélation normalisée. Cette caractéristique
nous a ainsi permis de réutiliser, avec cette méthode, l'ensemble de l'algorithme d'extrac-
tion présenté avec les polynômes trigonométriques.
Il faut noter qu'un voxel peut être caractérisé par les valeurs des attributs des voxels
voisins. Par exemple, un horizon peut être extrait du signal sismique en considérant une
portion verticale de la trace sismique discrète (Figure 4. 7) . Dans ce cas, le résultat sera
généralement similaire à celui utilisant les polynômes trigonométriques, à la différence près
que les points extraits sont ici systématiquement centrés sur les cellules du cube sismique.
L'horizon est obtenu plus rapidement que par la méthode précédente mais présente un
aspect en marche d 'escalier.

122
4.1 . Pointé automatique des horizons sismiques

fenêtre ...... x
l"'
de corrélation
• graine a1 a2 an i1 i2 in
• point extrait
lb1 b2 bn J1 ~ Jn

,...~-
signal
interpolé
vox el
multi-attributs

~
-
, c1 c2cn lk1 k2kn

t t

FIG. 4.7 - Comparaison des méthodes d'extraction d'horizons ([A 1}[B1J méthode d'extraction;
[A 2 j[B 2] vue générale de l'horizon extrait, [A 3 j[B 3] zoom sur la surface avec une exagération
verticale de 5, les points rouges correspondant aux cellules de la grille).
[A} Au moyen des polynômes trigonométriques : le signal sismique est interpolé puis col'l'élé
sur une fenêtre verticale (en rouge sur [A 1}). L 'horizon obtenu est bien lisse, et les failles appa-
raissent, par contraste, au bord des horizons.
[B} Au moyen des voxels multi-attributs. L'interprétateur sélectionne n attributs qui sont en-
suite calculés en tout point du cube. Un point de l'horizon est alors caractérisé par les va-
leurs {a1 , ... , en} de ses attributs dans une fenêtre 3D donnée (en rouge sur {B 1}) centrée sur ce
point. La corrélation de ces groupes de voxels multi-attributs permet de pointer automatique-
ment l'horizon . L'horizon présente un aspect en marche d'escalier.

123
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

4.1.4 Outils d'édition des horizons


Comme le montrent les Figures 4.6 et 4.7, le résultat d'un pointé automatique est rarement
totalement satisfaisant au premier essai, particulièrement quand la sismique est bruitée.
L'horizon présente fréquemment des discontinuités ou des erreurs de pointé. Il est donc
nécessaire de permettre à l'interprétateur d'effectuer un certain nombre de corrections.

Pointé des graines

En pratique, le contrôle de l'extraction d'une surface dans un cube 3D est assez difficile.
En revanche, il est relativement facile d'effectuer des vérifications régulières lors de l'ex-
traction d'une ligne sur une section 2D. Les logiciels de pointé automatique proposent
donc généralement de combiner les deux approches pour obtenir le meilleur résultat dans
les meilleurs délais. L'idée consiste, dans un premier temps, à pointer des lignes de façon
semi-automatique sur plusieurs sections verticales 2D. Dans un deuxième temps, ces lignes
sont utilisées comme graines pour le pointé automatique 3D. Si l'horizon extrait n'est pas
satisfaisant, il suffit de pointer de nouvelles lignes et de recommencer le processus. Il est
ainsi possible de contraindre plus ou moins l'extraction de l'horizon .
. lJII .:l,1ltre moy~11_cle cgntrôler l'extraction consiste à ajuster systérnatiqueme11tles points
extraits à un moment particulier du signal : pic, creux, passage à zéro. Cette option n'est
possible que dans le cas de l'extraction basé sur le signal interpolé par les polynômes
trigonométriques. Cependant, l'ajustement de tous les points extraits alourdit les calculs
et peut être source d'erreur s'il est réalisé sur le mauvais pic ou le mauvais creux. Plusieurs
tests nous ont montré que la meilleure solution consiste à ajuster les graines pointées en
2D, puis à extraire l'horizon en 3D à partir de ces graines sans ajuster les points extraits.

Cartes d'attributs

La vérification finale de la qualité du résultat peut se faire en affichant, en tout point


de l'horizon extrait, le coefficient de corrélation local calculé lors de l'extraction. Elle peut
également s'effectuer en calculant la phase instantanée au niveau des points extraits. Un
horizon étant normalement un événement sismique de phase constante, cet attribut devrait
avoir la même valeur en tout point de l'horizon (Figure 4.8). D'autres cartes d'attributs
peuvent également être utilisées pour quantifier l'incertitude sur le pointé, comme les
cartes d'amplitudes sismiques [Thore et al., 2002].
Il faut noter que dans le cas de l'extraction par les polynômes trigonométriques, l'uti-
lisation d'un signal continu permet de suivre précisément la même phase du signal durant
l'extraction. Un tel résultat n'aurait pas pu être obtenu par un pointé manuel. Or, la
valeur de certaines cartes d'attributs dépend fortement de la continuité de la phase de
l'événement pointé [Dalley et al., 1989]. Une méthode d'extraction telle que les polynômes
trigonométriques présente donc un intérêt particulier pour la création de cartes d'attributs,
d'autant plus qu'il est possible de calculer ces attributs lors de l'extraction elle-même.

124
4.1. Pointé automatique des horizons sismiques

10

phase instantanée

FIG. 4.8 - Contrôle du résultat d'un pointé automatique d'hmizon.


[A} Affichage de la corrélation qui a permis d'extraire les points. La corrélation minium est de
75%.
{B} Affichage de la phase instantanée calculée au niveau de l'horizon.
{C} Histogramme de la phase instantanée calculée sur l'horizon précédent. Les points de l'horizon
ont pratiquement tous une phase nulle, ce qui représente un critère de validité de l'horizon extrait.
Le pointé a été effectué au moyen des polynômes trigonométriques.

125
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

Les opérateurs de morphologie mathématique

Les horizons extraits de la sismique présentent généralement de nombreux trous. Si cer-


tains sont associés à la présence de failles, la plupart sont dus à du bruit perturbant lo-
calement les opérations de corrélation. Ces trous sont généralement de petite taille, mais
gênent la lisibilité du résultat. Une méthode simple de remplissage de ces trous consiste à
utiliser certains opérateurs de morphologie mathématique, traditionnellement utilisés en
analyse d'image [Sonka et al., 1993]. Cette approche ayant déjà introduite dans le géomo-
deleur gOcad par Duvinage [Duvinage, 2000] pour le traitement des horizons, nous n'en
ferons ici qu'une brève présentation.
Considérons une grille 2D binaire quelconque nommée G, représentant les pixels d'une
image en noir (valeur 1) et blanc (valeur 0), et une grille B plus petite, de forme donnée,
appelée élément structurant (Figure 4.9-A et B). L'opération de morphologie mathéma-
tique est réalisée en centrant l'élément B successivement sur chaque cellule de G. À chaque
étape, les bits des cellules incluses dans l'ensemble F, qui contient les cellules à la fois
dans G et B, sont transformées en fonction de la valeur de leurs bits et d'un opérateur
choisi. Cette opérateur peut notamment être :
- l'érosion (Figure 4.9-C). La cellule de F sur laquelle l'élément structurant B est
centré reçoit 0 si au moins une cellule de F est égale à 0;
- la dilatation (Figure 4.9-D). Toutes les cellules de F reçoivent 1 si au moins une
cellule de F est égale à 1;
- la fermeture, qui est le résultat d'une dilatation suivie d'une érosion. Cette opération
permet de boucher les trous de l'image et de lisser les bords de l'horizon (Figure 4.10-
B).;
- l'ouverture, qui est le résultat d'une érosion suivie d'une dilatation. Cette opération
permet d'éliminer les points isolés et les isthmes de l'image (Figure 4.10-C).
L'horizon extrait de la sismique est, vu de dessus, une grille régulière binaire. Les cel-
lules de cette grille ont un bit égal à 1 quand l'horizon a été extrait de la trace sismique,
et à 0 quand il ne l'a pas été. Il est donc possible d'appliquer les opérateurs d'ouver-
ture et de fermeture pour éliminer rapidement les points isolés et les trous. Quand un
point de la grille représentant l'horizon passe de 0 à 1, sa coordonnée verticale est in-
terpolée en fonction de celle des points voisins, selon la méthode proposée par Duvinage
[Duvinage, 2000].

Gomme et chemin d'extraction

Une autre difficulté du travail en 3D apparaît quand l'interprétateur désire supprimer


certaines parties de l'horizon extrait. Il est évidemment possible de lui faire sélectionner
les zones à détruire une à une, mais désigner des points dans une caméra virtuelle 3D
n'est pas chose facile.
Une autre solution, basée sur l'affichage du chemin d'extraction sur l'horizon extrait,
a donc été proposée par Hildebrand [Hildebrand, 1995]. Le chemin d'extraction est défini
comme le chemin parcouru par l'algorithme de pointé automatique de la graine jusqu'au
point considéré. Il relie donc tous les ancêtres de ce point. Or, quand une partie de

126
4.1. Pointé automatique des horizons sismiques

Œl ~


D
cellule de valeur 1
cellule de valeur 0

~ • cellule modifiée

FIG. 4.9- Principe des opérateurs de morphologie mathématique.


{A} Grille binaire G sur laquelle est appliquée l'opérateur. {B} Deux exemples d'éléments struc-
turant B : {B 1J losange et {B 2 J carré.
{C} Principe de l'érosion. {C1J Application de l'élément structurant carré (en hachuré) sur la
n
cellule de coordonnées (1,1). L'ensemble des cellules F = B G est entouré en rouge. Certaines
cellules de F sont de valeur 0, donc la valeur de la cellule (1,1) est modifiée à O. {C2} Après
application de l'opérateur sur toutes les cellules de la grille G. {C3 } Grille G finale : la forme
centrale a été érodée.
{D} Principe de la dilatation. {D 1J Application de l'élément structurant carré (en hachuré) sur la
n
cellule de coordonnées (1,1). L'ensemble des cellules F = B G est entouré en rouge. Certaines
cellules de F sont de valeur 1, donc l'ensemble des cellules de F est modifié à 1. [cJ} Après
application de l'opérateur sur toutes les cellules de la grille G. {C3 } Grille G finale : la forme
centrale a été dilatée.

127
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

l'horizon est erroné, cela est généralement dû à un mauvais pointé au niveau d'une cellule
particulière située en amont. Supprimer tous les descendants de cette cellule permet de
supprimer l'ensemble de la zone incorrecte. Cette constatation a permis d'élaborer un
outil mettant efficacement en œuvre les propositions de Hildebrand :
1. L'interprétateur sélectionne un point de l'horizon qu'il estime mauvais. Le chemin
d'extraction est alors affiché sur l'horizon (Figure 4.11-[B]);
2. L'interprétateur sélectionne sur le chemin affiché la cellule à partir de laquelle l'al-
gorithme a fait une erreur. Tous les descendants de cette cellule sont affichés sur
l'horizon (Figure 4.11-[C]). Si l'ensemble des descendants ne correspond pas à la
zone à supprimer, alors l'interprétateur peut recommencer l'opération en sélection-
nant une autre cellule du chemin;
3. L'interprétateur valide finalement la sélection : tous les descendants de la cellule
sélectionnée sont supprimés (Figure 4.11-[D]).
Ce genre d'outil nécessite cependant un système capable de conserver simplement
en mémoire le chemin d'extraction. Il suffit pour cela d'enregistrer pour chaque cellule
de l'horizon les coordonnées de son ancêtre direct. Ainsi, en partant de n'importe quel
point, il est facile de remonter jusqu'à la graine, qui n'a pas d'ancêtre. Cependant, cette
seule information ne suffit pas dans le cas d'un pointé multi-graines tel que celui que nous
proposons. En effet, deux chemins d'extraction partant de deux graines différentes peuvent
se recouper et le stockage du seul ancêtre direct entraînerait alors l'affichage d'un chemin
dévié et incorrect. Nous proposons donc d'enregistrer, au niveau de chaque cellule, d'une
part, les coordonnées de son ancêtre direct, d'autre part, les coordonnées de la graine
qui a servi à extraire le chemin. De cette façon, il suffit de tester, lors de la remontée du
chemin à partir d'une cellule donnée, si l'ancêtre indiqué par la cellule a été extrait avec
la même graine que la cellule. Si c'est le cas, le chemin est le bon; sinon, le chemin a été
coupé et la recherche est arrêtée.

Arrêt au niveau des failles

Si les surfaces des failles ont déjà été extraites de la sismique, il est possible de créer
dans le cube sismique une propriété binaire indiquant la présence ou non d'une faille. Les
zones marquées sont ensuite interdites à l'algorithme de pointé automatique. L'horizon
extrait s'arrête alors au niveau des failles, ce qui permet de préparer le travail ultérieur
de construction du modèle structural.

4.2 Pointé automatique des failles


Le pointé de failles a également pour but d'extraire les surfaces de failles du cube sismique
pour établir un modèle structural du sous-sol étudié. Cependant, contrairement au cas
des horizons sismiques, chaque faille a son importance dans l'établissement du modèle. Le
pointé doit donc être effectué sur la totalité des failles visibles.
Néanmoins, les failles n'ont pas une signature sismique caractéristique simple. Cela
rend l'automatisation de leur pointé très difficile, et explique le faible nombre de publica-

128
4.2. Pointé automatique des failles

FIG. 4.10 - Opérateurs de morphologie mathématique appliqués à un horizon extrait de la


sismique, en utilisant un élément structurant circulaire : {A} horizon issu du pointé automatique,
{B} horizon après application de l'opérateur de fermeture, {C} horizon après application
de l'opérateur d'ouverture. Noter sur les deux images l'influence de la forme de l'élément
structurant sur l'aspect des bords de l'horizon.

sismique

horizon

ancêtre

descen-
dants

FIG. 4.11 - Gomme pour l'édition d'horizon pointés automatiquement. La propriété affichée
sur les horizon est l'altitude. [A} Horizon issu du pointé automatique; {B} affichage du chemin
d'extraction (en rouge) d'un point sélectionné comme mauvais; {C} affichage des descendants (en
blanc) d'une cellule sélectionnée sur le chemin, en amont de la partie à supprimer; {D} suppression
de la partie erronée de l'horizon. 129
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

tions - essentiellement des brevets - qui y sont consacrés. Le sujet a donc été abordé
dans ce travail presque uniquement sous un angle bibliographique. La mise en oeuvre
effective de certains algorithmes nous a surtout aidés à mettre en lumière les difficultés à
résoudre pour obtenir un algorithme performant.

4.2.1 Difficultés du pointé automatique des failles


Contrairement à un horizon, une faille ne correspond pas à un événement sismique cohé-
rent, mais à une discontinuité au niveau d'une zone cohérente (cf. Figure 2.22). Une faille
peut donc très bien avoir la même signature que le bord d'un chenal, des variations locales
du signal sismique au niveau d'horizons, une cheminée sismique ou une zone de bruit.
Le géologue observant le cube sismique peut malgré tout différencier une faille de ces
autres structures en analysant sa géométrie. En général, une faille est une surface plus ou
moins verticale et de faible courbure. Cependant, elle peut avoir un grand nombre possible
d'orientations, et une faille peut croiser une autre faille. Au niveau de ces intersections, la
signature sismique de la faille devient très différente. Par ailleurs, la qualité de la sismique
diminue souvent dans les zones de failles. Le problème est donc très différent de celui des
horizons sismiques, généralement sub-horizontaux, parallèles et bien marqués.
Dans la littérature, il est possible de distinguer deux grands types d'approche : la
construction automatique de toutes les surfaces de failles à partir d'un attribut filtré dans
ce but, et la construction d'un seule faille en particulier à partir d'une méthode de pointé
semi-automatique sur un attribut.

4.2.2 Pointé automatique global à partir d'un attribut filtré


L'objectif de ces méthodes est d'extraire en un processus unique l'ensemble des failles d'un
cube sismique. Cela revient donc d'abord à chercher un attribut marquant le plus finement
possible le squelette des failles. Les attributs de similarité présentés au chapitre 2.3 sont
insuffisants, car ils ne distinguent pas les failles des autres causes de discontinuités des
horizons sismiques. De plus, les failles y apparaissent généralement en 2D sous la forme
de traits d'épaisseur variable et non de fins linéaments, donc en 3D sous forme de volume
et non de surface. Cependant, si un attribut suffisamment bon est trouvé, la deuxième
étape consiste à en extraire les morceaux de surface et à les connecter.
Neff et al [Neff et al., 2000] essaient, en chaque point du cube sismique, de faire passer
un plan subvertical en faisant varier son azimut et son pendage. Ils conservent ensuite
le plan dont les signaux sismiques sont les moins corrélés avec les signaux des plans
voisins parallèles. L'inverse de la valeur de corrélation trouvée est alors assimilé à une
probabilité de la présence d'une faille. Tous les points dont la probabilité est trop faible
sont éliminés. Les points sont ensuite reliés, sur chaque coupe temps du cube sismique,
en lignes polygonales horizontales, selon des critères de longueur et de corrélation non
expliqués dans le document. Puis les lignes sont lissées et associées successivement d'une
coupe temps à une autre en calculant un critère de superposition et en utilisant les azimuts

130
4.2. Pointé automatique des failles

des plans précédemment calculés. L'association de ces lignes permet alors de construire la
surface de faille.
Goff et al [Goff et al., 2003] essayent également de faire passer des morceaux de plans
de différentes orientations en chaque point du cube d'un attribut marquant les disconti-
nuités. Ces auteurs associent à chaque plan un coût, équivalent à la somme des valeurs de
l'attribut dans les cellules coupées par le plan. Le plan dont le coût est le plus élevé- ou
le plus bas, selon l'attribut sélectionné- est donc celui qui a le plus de chance de passer par
une surface de faille. Ce plan particulier est donc calculé en tout point du cube pour don-
ner un nouvel attribut coût. Ce nouvel attribut est ensuite filtré au moyen d'algorithmes
de traitement d'images et éventuellement au moyen des azimuts précédemment calculés,
pour en extraire le squelette. Des morceaux de surfaces sont alors extraits du cube au
moyen d'une recherche de points connectés- de la même façon que le pointé d'horizon
basé sur les voxels multi-attributs. Les morceaux sont ensuite divisés en petites entités
continues, ne s'intersectant pas et ne bifurquant pas. Ces entités sont ensuite rassemblées
en plus grandes surfaces, selon leur orientation et leur courbure.
Randen et al [Randen et al., 2001] et Pedersen et al [Pedersen et al., 2002]
[Pedersen et al., 2003] proposent une autre démarche basée sur un algorithme mimant
le comportement des fourmis (Figure 4.12). Dans un cube de similarité, ils distribuent un
certain nombre d'« agents », qui peuvent parcourir le cu be dans les zones de faible simila-
rité, en émettant un « phéromone électronique ». Si un agent est situé sur un point isolé,
dans une zone de bruit non structurée, il s'arrête rapidement. Au contraire, au niveau
d'une faille, les agents effectuent de longs parcours le long de la surface de faille, leurs
parcours se recoupent. De grandes quantités de phéromones sont alors déposées. Cette
technique permet d'une part de filtrer le cube de similarité en fonction de la quantité de
phéromones déposés: les surfaces de failles sont plus nettes et plus continues (Figure 4.12-
B). D'autre part, il est possible d'estimer l'orientation des failles à travers le déplacement
des agents, et d'obtenir un cube de similarité par famille de failles (Figure 4.12-C). Cela
permet de simplifier le problème de la construction des surfaces de failles à partir de l'at-
tribut, en éliminant les intersections des failles. Dans la suite du processus, les morceaux
de surface automatiquement construits à partir des différents cubes (Figure 4.12-D) sont
assemblés manuellement famille par famille par l'utilisateur.
Il est difficile d'établir une comparaison entre ces différentes méthodes, toutes breve-
tées, au vu de la complexité de leur mise en œuvre et du peu d'explications des auteurs.
Neff et al ne parlent pas véritablement des problèmes posés par le passage de l'attribut
à la construction des lignes. Or, pour Goff et al, cette même étape nécessite une panoplie
complexe de filtres. La méthode proposée par Randen et al et Pedersen et al semble la
plus simple, mais les auteurs ne précisent ni les règles de déplacement des agents ni, pas
plus que les autres auteurs, les temps de calculs nécessaires.

4.2.3 Pointé semi-automatique à partir de graines


Une autre approche du pointé des failles consiste à reprendre la méthode utilisée pour l'ex-
traction des horizons sismiques. Dans ce cas, l'interprétateur sélectionne une ou plusieurs
graines sur un attribut marquant les failles, et extrait la surface de la faille en cherchant

131
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

Frc. 4.12 - Pointé automatique de failles proposée par Randen et al {Randen et al., 2001jet
Pedersen et al {Pedersen et al., 2002] {Pedersen et al., 2003] :
{A] cube de semblance (vue de dessus), {Bj cube de semblance filtrée au moyen de phéromones
déposés par des agents électroniques, {C] décomposition du cube selon les orientations des familles
de failles détectées par les agents, {D] construction des surfaces de failles (Figures tirées de
{Pedersen et al., 2002]).

les points voisins qui ressemblent à la graine. Comme l'interprétateur a un rôle plus im-
portant, la qualité de l'attribut de départ est a priori moins importante. La démarche
reste cependant complexe, car les zones marquant une même faille sur un attribut ne sont
généralement pas contigües sur de grandes distances. Par exemple, la semblance présente
sur les sections verticales un aspect en marches d'escalier.

Recherche de voxels multi-attributs connectés

Une solution simple, proposée Lees [Lees, 1999], consiste à utiliser le pointé basé sur les
voxels multi-attributs. Comme pour les horizons, il s'agit d'extraire les points connectés
à des graines et se situant dans des intervalles donnés d'attributs sélectionnés. Le nuage
de points est ensuite transformé en surface triangulée, par exemple au moyen des routines
de gOcad.
Cette méthode ne fonctionne que sur les failles bien visibles sur les attributs, et né-
cessite de pointer de nombreuses graines. Nos essais (Figure 4.13-A) nous ont également
montré l'importance de fournir à l'utilisateur des moyens de filtrer les nuages de points
obtenus. Ces filtres peuvent se baser, par exemple, sur la taille ou l'orientation des nuages
de points extraits. Si cette phase de « sculpture » de la faille est trop complexe à mettre
en œuvre, alors le pointé manuel est plus rapide. Lees [Lees, 1999] conseille de ne travailler
que sur une seule section verticale à la fois, pour mieux contrôler l'expansion de la faille.

132
4.2. Pointé automatique des failles

Pointé manuel guidé

Une autre méthode, proposée par Simpson et Howard [Simspon et Howard, 1996], consiste
à guider le plus possible un pointé manuel :
1. L'interprétateur pointe une ligne polygonale de quelques points sur une section ver-
ticale du cube d'attribut;
2. Les extrémités de la ligne sont ensuite prolongées automatiquement vers le bas et
vers le haut de la section ;
3. La ligne sub-verticale obtenue est ensuite recalée automatiquement latéralement sur
la section, afin qu'elle suive au mieux les zones où l'attribut marque la faille;
4. La faille est maintenant pointée par une ligne sur une section verticale. Cette ligne
est copiée et translatée sur la section verticale adjacente.
5. La nouvelle ligne est à son tour recalée sur l'attribut de la nouvelle section.
Cette approche a l'avantage de permettre à l'interprétateur d'intervenir à tout moment
pour rectifier un point mal placé. L'extraction est donc bien contrôlée, ce qui permet
d'obtenir un bon résultat. De plus, elle permet d'obtenir directement une surface à partir
du cube d'attribut. Cependant, cette méthode reste largement manuelle et ne permet
d'extraire qu'une faille à la fois.
L'application de la méthode (Figure 4.13-B) nous a cependant permis de nous rendre
compte de la difficulté du problème de recalage de la ligne pointée sur l'attribut. Par
exemple, le recalage sur les minima de semblance a tendance à faire diverger les points de
la ligne, à cause de l'aspect en marches d'escalier de cet attribut. Pour améliorer le résultat,
nous avons essayé d'utiliser la technique de recherche de motifs au moyen de corrélations
multi-attributs, telle qu'elle est présentée au chapitre 1.3.3. Au lieu de recaler la faille sur
la nouvelle section, le but recherché ici est de pouvoir corréler un motif « faille » de section
en section. Le motif « faille » peut correspondre par exemple à une fenêtre 2D verticale
de semblance (Figure 4.13-B). L'algorithme fonctionne sur quelques sections mais diverge
cependant rapidement si aucune correction n'est effectuée par l'interprétateur.

4.2.4 Commentaires sur le pointé automatique de failles


Toute méthode de pointé de failles, qu'elle soit automatique et appliquée sur l'ensemble
du cube, ou semi-automatique et appliquée pour une faille en particulier, passe d'abord
par l'obtention du meilleur attribut « faille » possible. Cet attribut doit permettre de
différencier les failles des zones de bruit, et se rapprocher le plus possible du squelette des
surfaces. Les démarches du type méta-attributs (cf. chapitre 3.3.3) présentent donc un
intérêt particulier pour atteindre cet objectif. Il semble également important de pouvoir
simplifier le problème en en étudiant séparément les différentes familles de failles du cube
étudié. Cela nécessite néanmoins de pouvoir calculer une orientation approximative des
failles à partir de l'attribut.
Même si l'extraction totalement automatique des failles à partir des images sismiques
apparaît illusoire, leur pointé peut néanmoins être grandement facilité et accéléré, soit par
des outils intégrant ajustements automatiques et éditions manuelles comme celui proposé

133
Chapitre 4. Des attributs au modèle structural : le pointé des surfaces géologiques

138
Conclusion

Bilan
'interprétation des images sismiques constitue la première étape de la géomodélisation
L des réservoirs pétroliers. L'exactitude d'un modèle de réservoir dépend donc gran-
dement de la qualité des informations géologiques extraites de la sismique. Aujourd'hui,
cependant, étant donné le volume de données à traiter, notamment dans le cas de la
sismique 3D, cette qualité ne peut être obtenue dans un délai raisonnable que par l'au-
tomatisation, au moins partielle, des tâches d'interprétation. Les algorithmes que nous
avons présentés dans ce mémoire ont pour objectif de répondre à ce problème.
Il convient, en premier lieu, de pouvoir calculer des filtres permettant au géologue
de faire ressortir de l'image sismique une information particulière, c'est-à-dire des attri-
buts sismiques. Ces attributs sont en effet utilisés d'une part pour construire le modèle
géométrique 3D du réservoir, au moyen du pointé de surfaces, d'autre part pour la carac-
térisation du réservoir, au moyen de faciès sismiques. En nous basant sur une approche
continue du signal sismique, nous avons mis au point des méthodes performantes de calcul
des principaux attributs géométriques : pendage, azimut, courbures, semblance et un filtre
permettant de lisser les horizons sismiques. Par ailleurs, ces méthodes sont indépendantes
du nombre de traces sismiques utilisées pour le calcul, ce qui permet de moyenner plus ou
moins le résultat et de fonctionner sur les données 2D, 3D ou 4D. Cette même approche
nous a également permis d'aborder analytiquement les attributs instantanés. Elle présente
notamment un intérêt dans le cas des attributs pondérés pour limiter certaines instabilités
de calcul.
Le meilleur attribut sismique n'est donc pas toujours le plus exact, mais le plus lisible.
C'est pourquoi il peut être intéressant de combiner entre eux des attributs caractérisant
une même information géologique, dans l'espoir que leurs défauts respectifs s'atténuent.
Dans cette perspective, nous avons développé des cartes d'interpolations permettant de
calculer rapidement des méta-attributs. Ces attributs ou méta-attributs ne sont cependant
pas suffisants pour la géomodélisation. Dans le cadre des études lithosismiques, notam-
ment, il n'existe pas d'attribut directement interprétable en termes de faciès lithologique
simple. Il faut notamment recourir à des analyses statistiques pour espérer trouver une
relation entre les données issues de la sismiques, connues dans l'ensemble du réservoir, et
les données géologiques, connues généralement localement. Dans cette optique, nous avons
repris une méthode basée sur l'A.C.P. et les nuées dynamiques et développée précédem-
ment au laboratoire. Dans la littérature, nous avons pu voir, cependant, que le véritable

139
Conclusion

enjeu du calcul des faciès sismiques se situe au niveau de la sélection des attributs de
départ. Cette sélection dépend du contexte géologique du réservoir étudié, il n'existe donc
pas de combinaisons préétablies fonctionnant de manière systématique. L'automatisation
montre donc ici ces limites.
Enfin, pour construire le modèle surfacique du réservoir, il faut pouvoir passer des
voxels de l'image sismique à des ensembles de points connectés. Nous avons donc proposé
deux méthodes de pointé automatique des horizons sismiques à partir de graines. La pre-
mière utilise les polynômes trigonométriques pour interpoler le signal sismique, et permet
de suivre précisément un moment particulier du signal. La seconde est basée sur la re-
cherche de motifs et peut prendre en compte plusieurs attributs en même temps. Plusieurs
stratégies ont été mises en place pour permettre à l'interprétateur d'effectuer un contrôle
permanent, et primordial en 3D, sur la surface extraite : pointé multi-graines, utilisation
de la corrélation, outils d'éditions, gomme, etc. Par ailleurs, nous avons implémenté et
adapté deux outils d'extraction des failles de la littérature. Dans ces méthodes cependant,
le grand nombre d'orientations possibles et les intersections des plans de faille, ainsi que la
nature bruitée des signatures sismiques des failles, rendent indispensables le passage par
un stade de pointé manuel assez important. Une solution plus globale passerait d'abord
par l'amélioration des attributs marquant les failles, et les séparant par familles, et par
un algorithme capable de distinguer les zones de failles des autres zones de bruit.
L'ensemble de ces algorithmes ont été implémentés dans le géomodeleur gücad, et
ont été industrialisés par la société Earth Decision Sciences 22 . Les bases d'une station
d'interprétation ont ainsi été incorporées au logiciel. De cette façon, la continuité des
structures numériques de stockage est assurée entre l'interprétation sismique et le reste de
la chaîne de géomodélisation. Il est donc facile d'effectuer un va-et-vient entre les données
sismiques et le modèle de réservoir, pour effectuer des corrections rapides et des mises à
jour du modèle de réservoir.

Perspectives
Le domaine de l'interprétation sismique étant vaste et nouveau pour l'équipe, beaucoup
de sujets de recherche restent encore à aborder. Tout d'abord, certains travaux présentés
dans ce mémoires nécessitent d'être poursuivis :
- l'étude et le calcul des attributs autres que géométriques et instantanés, pour notam-
ment permettre leur utilisation dans les algorithmes de calculs de faciès sismiques ;
- le remplacement de l'A.C.P. par des méthodes plus puissantes pour le calcul des
cartes d'interpolation ;
- la recherche d'une méthode de pointé de failles plus automatique;
- les problèmes de visualisation des attributs ;
- la parallélisation des calculs.
Plus globalement, il faudrait arriver, en prenant comme base les outils et les connais-
sances développées dans ce mémoire, à mieux intégrer les problèmes d'extraction dans la
chaîne de géomodélisation. C'est notamment le cas pour l'extraction des surfaces, où les
22
Site internet : http :/ /www.earthdecision.com.

140
outils du géomodeleur gOcad pourraient être utilisés pour guider, à partir d'un horizon
déjà extrait, le pointé d'un horizon parallèle dans une zone de bruit, pour effectuer le
pointé d'un dôme de sel ou pour extraire en une seule opération le modèle structural
complet du réservoir.
Dans ce contexte, les récents modèles d'iso-temps géologiques construits à partir du
cube sismique constituent un domaine de recherche prometteur [Stark, 2003] [Mallet, 2004]
[l\!Ioyen et al., 2004]. Ces modèles permettraient, en effet, de s'affranchir du pointé de cer-
tains horizons et même de la construction de la grille réservoir. Par ailleurs, l'interprétation
des données sismiques dans le géomodeleur faciliterait la gestion des incertitudes dans le
modèle final de réservoir, que ce soit au niveau du pointé des surfaces [Thore et al., 2002]
ou du calcul de faciès sismiques [Nivlet, 2001].

141
Conclusion

142
Bibliographie

ALBERTS, P., WARNER, M. et LISTER, D. Artificial neural networks for simultaneous


multihorizon tracking across discontinuities. In Expanded abstracts of the 70th Ann.
Internat. Mtg. Soc. of Expl. Geophys., 2000. pp. 651-653.
AMINZADEH, F. et DE GROOT, P. Soft computing for qualitative and quantitative seismic
abject and reservoir property prediction. First Break, 2004, vol. 22, n°3, pp. 49-54.
BAHORICH, M. et FARMER, S. 3-D seismic discontinuity for Jaults and stratigraphie
features : The coherence cube. The Leading Edge, 1995, vol. 14, n°10, pp. 1053-1058.
BAHORICH, M. S. et BRIDGES, S. R. Seismic sequence attribute map (SSAM). In
Expanded abstracts of the 62nd Ann. Internat. Mtg. Soc. of Expl. Geophys., 1992. pp.
227-230.
BALCH, A. H. Color sonagram : a new dimension in seismic data interpretation. Geo-
physics, 1971, vol. 36, n°6, pp. 1074-1098.
BARNES, A. E. Instantaneous frequency and amplitude at the envelope peak of a constant-
phase wavelet. Geophysics, 1991, vol. 56, n°7, pp. 1058-1060.
BARNES, A. E. Instantaneous spectral bandwidth and dominant frequency with applica-
tions to seismic refiection data. Geophysics, 1993, vol. 58, n°3, pp. 419-238.
BARNES, A. E. When the concepts of spectral frequency and instantaneous frequency
converge. The Leading Edge, 1993, vol. 12, n°10, pp. 1020-1023.
BARNES, A. E. Theory of 2-D complex seismic trace analysis. Geophysics, 1996, vol. 61,
n°l, pp. 264-272.
BARNES, A. E. The complex seismic trace made simple. The Leading Edge, 1998, vol. 17,
n°4, pp. 473-473.
BARNES, A. E. Weighted average seismic attributes. Geophysics, 2000, vol. 65, n°l,
pp. 275-285.
BARNES, A. E. Seismic attributes in your facies. Recorder, 2001, vol. 26, n°9, pp. 41-47.
BARNES, A. E. Investigation of methods for unsupervised classification of seismic data.
In Expanded abstracts of the 71st Ann. Internat. Mtg. Soc. of Expl. Geophys., 2002.
pp. 2221-2224.
BARNES, A. E. Shaded relief seismic attribute. Geophysics, 2003, vol. 68, n°4, pp. 1281-
1285.
BODINE, J. H. Waveform analysis with seismic attributes. In Expanded abstracts of the
54th Ann. Internat. Mtg. Soc. of Expl. Geophys., 1984. Session : S9.1.

143
Bibliographie

BOLT, B. Inside the earth : evidence from earthquake. W.H. Freeman and Cie, San
Francisco, 1982. 191 p.
BONDAR, I. Seismic horizon detection using image processing algorithms. Geophysical
Prospecting, 1992, vol. 40, n°7, pp. 785-800.
BORGOS, H. G., SKOV, T., RANDEN, T. et al. Automated geometry extraction from
3D seismic data. In Expanded abstracts of the 73rd Ann. Internat. Mtg. Soc. of Expl.
Geophys., 2003. pp. 1541-1544.
BRACEWELL, R. N. The Fourier transform and its applications. McGraw-Hill, New
York, 1965. 381 p.
BROWN, A. R. The value of seismic amplitude. The Leading Edge, 1987, vol. 6, n°10,
pp. 30-33.
BROWN, A. R. Seismic attributes and their classification. The Leading Edge, 1996,
vol. 15, n°10, pp. 1090.
CHAURIS, H., NOBLE, M. S., LAMBARÉ, G. et al. Migration velocity analysis from
locally coherent events in 2-D laterally heterogeneous media, Part 1 : Theorical aspects.
Geophysics, 2002, vol. 67, n°4, pp. 1202-1212.
CHEN, Q. et SIDNEY, S. Seismic attributes technology for reservoir forecasting and
monitoring. The Leading Edge, 1997, vol. 16, n°5, pp. 445-456.
CHOPRA, S. Coherence cube and beyond. First Break, 2002, vol. 20, n°l, pp. 27-33.
CHOPRA, S. et LARSEN, G. Acquisition footprint- Its detection and removal. Recorder,
2000, vol. 25, n°10, pp. 16-20.
CoLÉOu, T., PouPON, M. et AzBEL, K. Unsupervised seismic facies classification : a
review and comparison of thechniques and implementation. The Leading Edge, 2003,
n°10, pp. 942-953.
CONTICINI, F. Seismic facies quantitative analysis : New tool in stratigraphie interpre-
tation. In Expanded abstracts of the 54th Ann. Internat. l\lltg. Soc. of Expl. Geophys.,
1984. Session : S18.3.
COOLEY, J. W. et TUKEY, J. W. An algorithm for the machine calculation of complex
fourier series. Mathematics of Computation, 1965, vol. 19, n°90, pp. 297-301.
COOPER, G. R. J. Feature detection using sun shading. Computers and Geosciences,
2003, vol. 29, n°8, pp. 941-948.
DALLEY, R. M., GEVERS, E. E. A., STAMPLI, G. M. et al. Dip and azimuth displays for
3-D seismic interpretation. First Break, 1989, vol. 7, pp. 86-95.
DAVIS, J.C. Statistics and data analysis in geology. sec. éd. Wiley and Sons, New York,
1986. 646 p.
DE Roou, M. et TINGDAHL, K. Meta-attributes: the key ta multivolume, multiattribute
interpretation. The Leading Edge, 2002, vol. 21, n°10, pp. 1050-1052.
DE Roou, M. et TINGDHAL, K. Fault detection with meta-attributes. In Expanded
abstracts of the 73rd Ann. Internat. Mtg. Soc. of Expl. Geophys., 2003. pp. 354-357.
DORN, G. A. Modern 3-D seismic interpretation. The Leading Edge, 1998, vol. 17, n°9,
pp. 1262-1270.

144
DoUZE, E. J. Statictics of semblance. Geophysics, 1979, vol. 44, n°12, pp. 1999-2003.
DÉQUIREZ, P.Y., FOURNIER, F., BLANCHET, C. et al. Jntegrated stratigraphie and litho-
logie interpretation of the east-senlac heavy ail pool. In Expanded abstracts of the 65th
Ann. Internat. Mtg. Soc. of Expl. Geophys., 1995. pp. 104-107.
DUBOIS, J. et DIAMENT, M. Geophysique. Masson, Paris, 1997. 205 p.
DuDA, R.O, HART, P.E. et D.G., Stork. Pattern classification. sec. éd. Wiley and Sons,
New York, 2000. 654 p.
DU MAY, J. et FOURNIER, F. Multivariate statistical analyses app lied ta sesmic facies
recognition. Geophysics, 1988, vol. 53, n°9, pp. 1151-1159.
DuVINAGE, I. Création et mise en cohérence de modèles structuraux à partir d'horizons
extraits de données sismiques tridimensionnelles. Thèse Doct. Géosciences. Nancy :
Institut National Polytechnique de Lorraine, 2000. 165 p.
FARID, H. et SIMONCELLI, E.P. Differentiation of discrete multidimensional signals.
I.E.E.E. Transactions on Image Processing, 2004, vol. 13, n°4, pp. 496-508.
FEHMERS, G. et RoCKER, C. Fast structural interpretation with structure-oriented fil-
tering. Geophysics, 2003, vol. 68, n°4, pp. 1286-1293.
FLINCHBAUGH, F., Texas Instruments Incorporated. Method and apparatus for detec-
ting seismic events by identifying crossing in the nth derviative of a waveform. Brevet
Américain 4 727 488, 23 fév. 1988.
FLINCHBAUGH, F., Texas Instruments Incorporated. Method and apparatus for auto-
matically producing representations of three-dimensional horizons fom processed seismic
data. Brevet Américain 4 633 402, 30 dec. 1986.
FOLEY, J. D., VAN DAM, A., FEINER, S. K. et al. Computer graphies, principles and
practice. Addison-Wesley, Boston, 1992. 1176 p.
FOURNIER, F. Application de l'analyse des données à l'exploration pétrolière - caracté-
risation des faciès sismiques par analyses statistiques multivariables. Thèse Doct. Géos-
ciences. Nancy : Institut National Polytechnique de Lorraine, 1990. 521 p.
FOURNIER, F. et DERAIN, J.-F. A statistical methodology for deriving reservoir properties
from seismic data. Geophysics, 1995, vol. 60, n°5, pp. 1437-1450.
FOURNIER, F., DÉQUIREZ, P.-Y., MACRIDES, C. G. et al. Quantitative lithostratigraphic
interpretation of seismic data for characterization of the unayzah formation in central
saudi arabia. Geophysics, 2002, vol. 67, n°5, pp. 1372-1381.
FOURNIER, F., Institut Français du Pétrole. Méthode statistique de classement d'évè-
nements liés aux propriétés physiques d'un milieu complexe tel que le sous-sol. Brevet
français 2 768 818, 26 mars 1999.
GABOR, D. Theory of communication. J.I.E.E., 1946, vol. 93, n°III, pp. 429-457.
G ERSZTENKORN, A. et MARFURT, K. J. Eigenstructure based coherence computations.
In Expanded abstracts of the 66th Ann. Internat. Mtg. Soc. of Expl. Geophys., 1996.
pp. 328-331.

145
Bibliographie

GERSZTENKORN, A. et MARFURT, K. J. Eigenstructure-based coherence computations


as an aid to 3-D structural and stratigraphie mapping. Geophysics, 1999, vol. 64, n°5,
pp. 1468-1479.
GOFF, D. F., VINCENT, 1., DEAL, K. 1. et al. Process for interpreting Jaults from a
fault-enhanced three dimensional seismic attribute volume. Brevet Mondial 03/052458
Al, 26 juin 2003.
GROSSMAN, A. et J., Morlet. Decomposition of hardy functions into square integrable
wavelets of constant shape. SIAM Jour. Math. Anal., 1984, vol. 15, n°4, pp. 723-736.
GRUBB, H.J. et WALDEN, A.T. Characterizing seismic time series using the discrete
wavelet transform. Geophysical Prospecting, 1997, vol. 45, n°2, pp. 183-205.
HAMPSON, D.P., SCHELKE, J.S. et QUIREIN, J.A. Use of multiattribute transforms to
predict log properties from seismic data. Geophysics, 2001, vol. 66, n°l, pp. 220-236.
HANSEN, K. M., RoY-CHOWDHURY, K. et PHINNEY, R. A. The sign filter for seismic
event detection. Geophysics, 1988, vol. 53, n°8, pp. 1024-1033.
HATTON, 1., WORTHINGTON, M. H. et MAKIN, J. Seismic data processing - Theory
and practice. Blackwell, Oxford, 1986. 177 p.
HERRON, D. A. Horizon autopicking. The 1eading Edge, 2000, vol. 19, n°5, pp. 491-493.
HESTHAMMER, J. Improving seismic data for detailed structural interpretation. The
Leading Edge, 1999, vol. 18, n°2, pp. 226-247.
HESTHAMMER, J., LANDRO, M. et FOSSEN, H. Use and abuse of seismic data in reservoir
characterisation. Marine and Petroleum Geology, 2001, vol. 18, n°5, pp. 635-655.
HILDEBRAND, H. A., 1andmark Graphies Corporation. Method and apparatus for finding
horizons in 3D seismic data. Brevet Américain 5 432 751, 11 juil. 1995.
HILDEBRAND, H. A., 1andmark Graphies Corporation. Method for finding horizons in
3D seismic data. Brevet Américain 5 153 858, 6 oct. 1992.
HÜCKER, C. et FEHMERS, G. Fast structural interpretation with structure-oriented fil-
tering. The 1eading Edge, 2002, vol. 21, n°3, pp. 238-243.
HOWARD, R. E., 1andmark Graphies Corporation. Method for attribute tracking in
seismic data. Brevet Américain 5 056 066, 8 oct. 1991.
JOHANN, P. Inversion sismostratigraphique et simulations stochastiques en 3D : réservoir
turbiditique, offshore du brésil. Thèse Doct. Géosciences. Paris : Université Pierre et
Marie Curie, 1997. 430 p.
JOHANN, P., RAGIGNIN, G. et SPINOLA, M. Spectral decomposition reveals geological
hidden features in the amplitude maps from a deep-water reservoir in the campos basin.
In Expanded abstracts of the 73rd Ann. Internat. Mtg. Soc. of Expl. Geophys., 2003.
pp. 1740-1743.
KEMP, 1. F., THREET, J. R. et VEEZHINATHAN, J. A neural net branch and bound
seismic horizon tracker. In Expanded abstracts of the 62nd Ann. Internat. Ivltg. Soc. of
Expl. Geophys., 1992. pp. 10-13.
KESKES, N. et BIDEGARAY, A., Elf Exploration Production. Method for and identifying
site anomalies. Brevet Américain 5 6032 103, 29 fév. 2000.

146
KESKES, N., BOULANOUAR, A., CHEVALIER, Y. et al. Image analysis techniques for
seismic data. In Expanded abstracts of the 52nd Ann. Internat. Mtg. Soc. of Expl.
Geophys., 1982. Session : Sl6.7.
KESKES, N., ZACCAGNINO, Ph., RETHER, D. et al. Automatic extraction of 3-D seismic
horizons. In Expanded abstracts of the 53rd Ann. Internat. Mtg. Soc. of Expl. Geophys.,
1983. Session : S21.1.
KOHONEN, T. Self-organizing maps. second éd. Springer, Berlin, 1997. 426 p.
LARIANI, S. Perception et interprétation de sections et blocs sismiques : oculométrie et
analyse d'images. Thèse Doct. Mathématiques Appliquées. Grenoble: Université Joseph
Fourier, 2000. 171 p.
LEBART, 1., MoRINEAU, A. et WARWICK, K. M. Descriptive statistical analysis - cor-
respondence analysis and related techniques for large matrices. Wiley and Sons, New
York, 1984.
LEES, J. A. Constructing Jaults from seed picks by voxel tracking. The 1eading Edge,
1999, vol. 18, n°3, pp. 338-340.
LEGRAS, J. Méthodes et techniques de l'analyse numérique. Dunod, Paris, 1971. 240 p.
LENDZIONOWSKI, V., WALDEN, A.T. etE., White R. Seismic character mapping over
reservoir intervals. Geophysical Prospecting, 1990, vol. 38, n°8, pp. 951-969.
Lu, S. et CHENG, Y. An iterative approach ta seismic skeletonization. Geophysics, 1990,
vol. 55, n°10, pp. 1312-1320.
MALLET, J.-1. Geomodeling. Oxford, New York, 2002. 599 p.
MALLET, J.-1. Space-time mathematical framework for sedimentary geology. Mathema-
tical Geology, 2004, vol. 36, n°l, pp. 1-32.
MARFURT, K., KIRLIN, R., FARMER, S. et al. 3-D seismic attributes using a semblance-
based coherency algorithm. Geophysics, 1998, vol. 63, n°4, pp. 1150-1165.
MARFURT, K. J., SUDHAKER, V., GERSZTENKORN, A. et al. Coherency calculations in
the presence of structural dip. Geophysics, 1999, vol. 64, n°l, pp. 104-111.
MARI, J.-1., GLANGEAUD, F. et COPPENS, F. Traitement du signal pour géologues et
géophysiciens, techniques de base 2. Technip, Paris, 2001. 269 p.
MARONI, C.-S., QUINQUIS, A. et VINSON, S. Horizon picking on subbottom profiles using
multiresolution analysis. Digital Signal Processing, 2001, vol. 11, n°4, pp. 269-287.
MATHIEU, P. G. et RICE, G. W. Multivariate analysis used in the detection of stratigra-
phie anomalies from seismic data. Geophysics, 1969, vol. 34, n°4, pp. 507-515.
McCORNACK, M. D. Neural computing in geophysics. Geophysics, 1991, n°l, pp. 11-15.
MEYER, D., HARVEY, 1., BULLOCH, T. et al. Use of seismic attributes in 3-D geovolume
interpretation. The 1eading Edge, 2001, vol. 20, n°12, pp. 1377-1378.
MITCHUM, R.M. Glossary of terms used in seismic stratigraphy. In Seismic stratigraphie
application to hydrocarbon exploration. A.A.P.G. Memoir, 1977. pp. 205-212.
MITRA, S. K. et KAISER, J.F. Handbook for digital signal processing. Wiley, New York,
1993. 1312 p.

147
Bibliographie

MOYEN, R., MALLET, J.-L., FRANK, T. et al. 3D parameterization of the 3D geological


space - The GeoChron modeZ. In Proceedings of the 9th Eur. Conf. on the Mathematics
of Oil Recovery. Eur. Assn. of Expl. Geophys., 2004. Session : A04.
NEFF, D. B., GRISMORE, J. R. et LUCAS, W. A., Phillips Petroleum Company. Auto-
matie seismic fault detection and picking. Brevet Américain 6 018 498, 25 janv. 2000.
NEIDELL, N. S. et TANER, M. T. Semblance and other coherency measures for multi-
channel data. Geophysics, 1971, vol. 36, n°3, pp. 482-497.
NIVLET, Ph. Prise en compte des incertitudes dans l'interprétation réservoir des données
géophysiques. Thèse Doct. Géosciences. Nancy : Institut National Polytechnique de
Lorraine, 2001. 259 p.
O'BRIEN, M. J. et GRAY, S. H. Gan we image beneath salt? The Leading Edge, 1996,
vol. 15, n°l, pp. 17-22.
O'DOHERTY, R.F. et TANER, M.T. A method of computing instantaneous frequency and
dip. In Extended abstracts of the 54th Mtg. Eur. Assn. of Expl. Geophys., 1992. pp.
180-181.
PAIRAZIAN, K. Modélisation 3D des réservoirs pétroliers par l'intégration des données
sismiques et géologiques : Approches quantitatives multivariables. Thèse Doct. Géos-
ciences. Nancy : Institut National Polytechnique de Lorraine, 1998. 147 p.
PARTYKA, G., GRIDLEY, J. et LOPEZ, J. Interpretational applications of spectral decom-
position in reservoir characteriszation. The Leading Edge, 1999, vol. 18, n°3, pp. 353-360.
PAULSON, K. V. et MERDLER, S. C. Automatic seismic refiection picking. Geophysics,
1968, vol. 33, n°3, pp. 431-440.
PEDERSEN, S. I., RANDEN, T., S0NNELAND, L. et al. Automatic fault extraction using
artificial ants. In Expanded abstracts of the 71st Ann. Internat. Mtg. Soc. of Expl.
Geophys., 2002. pp. 512-515.
PEDERSEN, S. I., SKOV, T., HETLELID, A. et al. New paradigm of fault interpretation.
In Expanded abstracts of the 73rd Ann. Internat. Mtg. Soc. of Expl. Geophys., 2003.
pp. 350-353.
PEYTON, L., BOTTJER, R. et PARTYKA, G. Interpretation of incised valleys using new
3-D seismic techniques : a case history using spectrale decomposition and coherency. The
Leading Edge, 1998, vol. 17, n°9, pp. 1294-1298.
POULTON, M. M. Neural networks as an intelligence amplification tool : A review of
applications. Geophysics, 2002, vol. 67, n°3, pp. 979-993.
RADOVICH, B. J. et ÜLIVEROS, R. B. 3-D sequence interpretation of seismic instanta-
neous attributes from the gorgon field. The Leading Edge, 1998, vol. 17, n°9, pp. 1286-
1293.
RANDEN, T., PEDERSEN, S. et SONNELAND, L. Automatic extraction of fault surfaces
from three-dimensional seismic data. In Expanded abstracts of the 71st Ann. Internat.
Mtg. Soc. of Expl. Geophys., 2001. pp. 551-554.
RANDEN, T., REYMOND, B., SJULSTAD, H.I. et al. New seismic attributes for automated
stratigraphie facies boundary detection. In Expanded abstracts of the 68th Ann. Internat.
Mtg. Soc. of Expl. Geophys., 1998. pp. 628-631.

148
RIJKS, E. J.H. et JAUFFRED, J. C.E. M. Attribute extraction: An important application
in any detailed 3-D interpretation study. The Leading Edge, 1991, vol. 10, n°9, pp. 11-19.
ROBEIN, E. Vitesses et techniques d'imageries en sismique réflexion - Principes et mé-
thodes. Tech. et Doc., Paris, 1999. 387 p.
ROBERTS, A. Curvature attributes and thir application to 3-D interpreted horizons. First
Break, 2001, vol. 19, n°2, pp. 85-99.
ROBERTSON, J. D. et NOGAMI, H. H. Complex seismic trace analysis of thin beds.
Geophysics, 1984, vol. 49, n°4, pp. 344-352.
RUMMERFIELD, B. F. Reflection quality, a fourth dimension. Geophysics, 1954, vol. 19,
n°4, pp. 684-694.
RuSSEL, B. H. Using color in seismic displays. Geophysics, 1992, vol. 11, n°9, pp. 13-18.
SCHEUER, T.E. et OLDENBURG, D.W. Local phase velocity from complex seismic data.
Geophysics, 1988, vol. 53, n°12, pp. 1503-1511.
SCHNEIDER, W. A. Developments in seismic data-processing and analysis {1968-1970).
Geophysics, 1971, vol. 36, n°6, pp. 1043-1073.
SHEFFIELD, T. M., BULLOCH, T.E., MEYER, D. et al. Geovolume visualization and
interpretation : Speed and accuracy with auto-tracking. In Expanded abstracts of the
73rd Ann. Internat. Mtg. Soc. of Expl. Geophys., 2003. pp. 2406-2409.
SHEFFIELD, T. M., D., Meyer, LEES, J. et al. Geovolume visualization interpretation :
Color in 3-D volumes. The Leading Edge, 1999, vol. 18, n°6, pp. 668-674.
SHERIFF, R. E. Encyclopedie dictionary of exploration geophysics. Soc. Expl. Geophys.,
Tulsa, OK, 1991. 376 p. Geophysical References Series, 1.
SIGISMONDI, M. E. et SOLDO, J. C. Curvature attribute and seismic interpretation: Case
studies from argentina basins. The Leading Edge, 2003, vol. 22, n°11, pp. 1122-1126.
SIMSPON, A. L. et HOWARD, R. E., Landmark Graphies Corporation. Method and
apparatus for identifying fault curves in seismic data. Brevet Américain 5 537 320,
16 juil. 1996.
SINVHAL, A. et KHATTRI, K. Application of seismic reflection data to discriminate
subsurface lithostratigraphy. Geophysics, 1983, vol. 48, n°11, pp. 1498-1513.
SINVHAL, A., KHATTRI, K. N., SINVHAL, H. et al. Seismic indicators of stratigraphy.
Geophysics, 1984, vol. 49, n°8, pp. 1196-1212.
SoNKA, M., HLAVAC, V. et BOYLE, R. Image Processing, Analysis and Machine Vision.
Chapman and Hall, Cambridge, 1993. 555 p.
SRINIVASAN, K. et IKELLE, L. T. Short note : Applications of third-order statistics for
the automatic time picking of seismic events. Geophysical Prospecting, 2001, vol. 49,
n°l, pp. 155-158.
STARK, T. Unwrapping instantaneous phase to generate a relative geologie time volume.
In Expanded abstracts of the 73rd Ann. Internat. Mtg. Soc. of Expl. Geophys., 2003.
pp. 5019-5022.
STARK, T. J. Surface slice generation and interpretation : A review. The Leading Edge,
1996, vol. 15, n°7, pp. 818-819.

149
Bibliographie

TANER, M. T. Attributes revisited [en ligne]. 2001. Disponible sur


http :/ /www.rocksolidimages.com/pdf/attrib_revisited.htm. Dernière consultation
1er sept. 2004.
TANER, M. T. Seismic attributes. Recorder, 2001, vol. 26, n°9, pp. 48-56.
TANER, M. T. et KOEHLER. Velocity spectra- Digital computer derivation and application
of velocity functions. Geophysics, 1969, vol. 34, n°6, pp. 859-881.
TANER, NI. T., KOEHLER, F. et SHERIFF, R. E. Complex seismic trace analysis. Geo-
physics, 1979, vol. 44, n°6, pp. 1041-1063.
TANER, M. T., O'DOHERTY, R. et BAYSAL, E. Seismic attributes revisited. In Expanded
abstracts of the 64th Ann. Internat. Mtg. Soc. of Expl. Geophys., 1994. pp. 1104-1106.
TANER, M. T. et SHERIFF, R. E. Application of amplitude, frequency, and other attributes
to stratigraphie and hydrocarbon determination. In Seismic Stratigraphy - Application
to hydrocarbon exploration. A.A.P.G. Memoir, 1977. pp. 301-327.
TARANTOLA, A. Inverse problem theory, methods for data fitting and madel parameter
estimation. Elsevier, New York, 1987. 614 p.
THORE, P., STHUKA, A., LECOUR, M. et al. Structural uncertainties : determination,
management, and applications. Geophysics, 2002, vol. 67, n°3, pp. 840-852.
TINGDAHL, KM., BRIL, A. H. et DE GROOT, P. F. !mproving seismic chimney detection
using directional attributes. Journal of Petroleum Science and Engineering, 2001, vol. 29,
n°3, pp. 205-211.
VOOSLER, D.A. Automatic delineation of lateral facies changes in clastic environments.
In Expanded abstracts of the 59th Ann. Internat. Mtg. Soc. of Expl. Geophys., 1989.
pp. 803.
VOUTAY, O. Mise au point d'attributs sismiques pour l'interprétation A. V.O. et 4D des
réservoirs pétroliers par analyse en composante généralisée. Thèse Doct. Géosciences.
Nancy : Institut National Polytechnique de Lorraine, 2003. 192 p.
WHITE, R. E. Properties of instantaneous seismic attributes. The Leading Edge, 1991,
vol. 10, n°7, pp. 26-32.

150
Résumé
Les images issues de l'acquisition sismique tridimensionnelle constituent la principale source d'in-
formation dans la géomodélisation des réservoirs pétroliers. Dans ce mémoire, nous proposons
plusieurs algorithmes pour automatiser la tâche longue et difficile que constitue leur interpré-
tation. Leur implémentation au sein du géomodeleur gücad a permis de poser les bases d'une
première station d'interprétation .
Une approche continue du signal sismique nous permet, en premier lieu, de calculer précisé-
ment les principaux attributs sismiques géométriques, de formuler analytiquement les attributs
instantanés et de réaliser un filtre de lissage des horizons sur la sismique.
Deux grandes applications de ces attributs sont étudiées dans un second temps. La pre-
mière consiste à combiner les attributs en faciès sismiques, plus facilement interprétables par le
géologue. Une méthode de segmentation utilisant l'A.C.P. et les nuées dynamiques a été réim-
plémentée, tandis qu'une nouvelle méthode basée sur des cartes d'interpolation a été développée
spécialement pour le calcul des méta-attributs.
La seconde application est le pointé des surfaces utilisées dans la construction du modèle
structural du réservoir. Deux nouvelles techniques d'extraction automatique des horizons sis-
miques sont proposées, l'une utilisant une approche continue du signal, l'autre basée sur une
recherche de motifs multi-attributs. Ces méthodes sont accompagnées d'outils d'éditions per-
mettant à l'utilisateur de contrôler son travail. Le pointé des failles est également abordé, es-
sentiellement sous un angle bibliographique, avec l'implémentation de deux méthodes de la
littérature.

Mots-clés: sismique, interprétation, attribut, faciès, pointé automatique, géomodélisation

Abstract
Tl1ree dimensional sei smic data are the main source of information in the geomodelisation
of oil reservoirs. In this thesis, we propose several algorithms to automate their interpretation,
which is a long and difficult task. This work led to a first interpretation station in the gücad
geomodeling software.
A continuous approach of the seismic signal allows us, in a first time, to compute accurately
the main geometrical seismic attributes, to analytically formulate the instantaneous attributes
and to realize a filter to smooth the horizons on the seismic picture.
In a second time, two main applications of these attributes are studied. The first one consists
in combining the attributes in seismic facies, more easily interpretable by geologists. A segmen-
tation method, using P.C.A. and moving centers, has been reimplemented, while a new method
based on interpolation maps has been specially developed for meta-attributes computation.
The second application is the picking of surfaces used in the building of the reservoir struc-
tural model. Two new techniques of autopicking of seismic horizons are proposed, the first using
a continuous approach of the signal, the second one based on a multi-attributes pattern tracking.
Editing tools are joined, to give the interpreter a control of his work. Fault autotracking is also
approached, essentially on a bibliographical angle, with the implementation of two methods of
the literature.

Keywords: seismic, interpretation, attribute, facies, autopicking, geomodelisation

Centre de Recherches Pétrographiques et Géochimiques


Laboratoire d'Infographie et d'Analyse de Données
Rue du Doyen Marcel Roubault - 54500 Vandœuvre
INSTITUT NATIONAL
POLYTECHNIQUE
DE LORRAINE

AUTORISATION DE SOUTENANCE DE THESE


DU DOCTORAT DE L'INSTITUT NATIONAL
POLYTECHNIQUE DE LORRAINE

oOo

VU LES RAPPORTS ETABLIS PAR:

Madame Frédérique FOURNIER, Ingénieur de Recherche, Institut Français du Pétrole, Rueil-Malmaison


Monsieur Pierre THORE, Ingénieur, Total, Pau

Le Président de l'Institut National Polytechnique de Lorraine, autorise


NANCY BRABOIS
Monsieur LABRUNYE Emmanuel 2, AVENUE DE LA
FORET-DE-HAYE
à soutenir devant un jury de l'INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE, BOITE POSTALE 3
F 54501
une thèse intitulée :
VANŒUVRE CEDEX
"Extraction automatique d'information géologique à partir d'images sismiques
tridimensionnelles"

en vue de l'obtention du titre de :

DOCTEUR DE L'INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE

Spécialité : « Géosciences »

TEL 33/03.83.59.59.59
FAX. 33/03.83.59.59.55
Résumé
Les images issues de l'acquisition sismique tridimensionnelle constituent la. principale source d'in-
formation dans la géomodélisation des réservoirs pétroliers. Dans ce mémoire, nous· proposons
plusieurs algorithmes pour automatiser la tâche longue et difficile que constitue leur interpré-
tation. Leur implémentation au sein du géomodeleur gücad a permis de poser les bases d'une
première station d'interprétation .
Une approche continue du signal sismique nous permet, en premier lieu, de calculer précisé-
ment les principaux attributs sismiques géométriques, de formuler analytiquement les attributs
instantanés et de réaliser un filtre de lissage des horizons sur la sismique.
Deux grandes applications de ces attributs sont étudiées dans un second temps. La pre-
mière consiste à combiner les attributs en faciès sismiques, plus facilement interprétables par le
géologue. Une méthode de segmentation utilisant l'A.C.P. et les nuées dynamiques a été réim-
plémentée, tandis qu'une nouvelle méthode basée sur des cartes d'interpolation a été développée
spécialement pour le calcul des méta-attributs.
La seconde application est le pointé des surfaces utilisées dans la construction du modèle
structural du réservoir. Deux nouvelles techniques d'extraction automatique des horizons sis-
miques sont proposées, l'une utilisant une approche continue du signal, l'autre basée sur une
recherche de motifs multi-attributs. Ces méthodes sont accompagnées d'outils d'éditions per-
mettant à l'utilisateur de contrôler son travail. Le pointé des ~ailles est également abordé, es-
sentiellement sous un angle bibliographique, avec l'implémentation de deux méthodes de la
littérature.
Mots-clés: sismique, interprétation, attribut, faciès, pointé automatique, géomodélisation

Abstract
Three dimensional seismic data are the main source of information in the geomodelisation
of oil reservoirs. In this thesis, we propose severa! algorithms to automate their interpretation,
which is a long and diffi.cult task. This work led to a first interpretation station in the gücad
geomodeling software.
A continuous approach of the seismic signal allows us, in a first time, to compute a~curately
the main geometrical seismic attributes, to analytically formulate the instantaneous attributes
and to realize a filter to smooth the horizons on the seismic picture.
In a second time, two main applications of these attributes are studied. The first one consists
in combining the attributes in seismic facies, more easily interpretable by geologists. A segmen-
tation method, using P.C.A. and moving centers, has been reimplemented, while a new method
based on interpolation maps has been specially developed for meta-attributes computation.
The second application is the picking of surfaces used in the building of the reservoir struc-
tural model. Two new techniques of autopicking of seismic horizons are proposed, the first using
a continuous approach of the signal, the second one based on a multi-attributes pattern tracking.
Editing tools are joined, to give the interpreter a control of his work. Fault autotracking is also
approached, essentially on a bibliographical angle, with the implementation of two methods of
the literature. ·

Keywords: seismic, interpretation, attribute, facies, autopicking, geomodelisation

Centre de Recherches Pétrographiques et Géochimiques


Laboratoire d'Infographie et d'Analyse de Données
Rue du Doyen Marcel Roubault - 54500 Vandœuvre